任务介绍：
在自然语言处理中，情感分析一般指判断一段文本所表达的情绪状态，属于文本分类问题。
情绪：正面/负面
数据集介绍：
IMDB数据集包含来自互联网的50000条严重两极分化的评论，该数据被分为用于训练的25000条评论和用于测试的25000条评论，训练集和测试集都包含50%的正面评价和50%的负面评价。该数据集已经经过预处理：评论（单词序列）已经被转换为整数序列，其中每个整数代表字典中的某个单词
1、准备数据:
创建数据读取器train_reader 和test_reader
2、配置网络
定义网络
定义损失函数
定义优化算法
3、训练网络
4、模型评估
5、模型预测
# 导入必要的包
import paddle
import paddle.dataset.imdb as imdb
import paddle.fluid as fluid
import numpy as np
import os
!mkdir -p /home/aistudio/.cache/paddle/dataset/imdb/
!cp /home/aistudio/data/data7990/aclImdb_v1.tar.gz /home/aistudio/.cache/paddle/dataset/imdb/
# 获取数据字典
print("加载数据字典中...")
word_dict = imdb.word_dict()
# 获取数据字典长度
dict_dim = len(word_dict)
print('完成')
加载数据字典中…
完成
数据是以数据标签的方式表示一个句子。
所以每个句子都是以一串整数来表示的，每个数字都是对应一个单词。
数据集就会有一个数据集字典，这个字典是训练数据中出现单词对应的数字标签。
# 获取训练和预测数据
print("加载训练数据中...")
train_reader = paddle.batch(paddle.reader.shuffle(imdb.train(word_dict),
512),
batch_size=128)
print("加载测试数据中...")
test_reader = paddle.batch(imdb.test(word_dict),
batch_size=128)
print('完成')
加载训练数据中…
加载测试数据中…
完成
遗忘门：用来控制记忆消失程度。
输入门：决定了当前时刻的输入信息，有多少信息将添加到记忆信息流中，与遗忘门计算公式几乎一致，输入门同样通过一个激活函数来实现。
记忆状态：计算当前输入与过去的记忆所具有的信息总量。
输出门：控制着有多少记忆信息将被用于下一阶段的更新中。
# 定义长短期记忆网络
def lstm_net(ipt, input_dim):
# 以数据的IDs作为输入
emb = fluid.layers.embedding(input=ipt, size=[input_dim, 128], is_sparse=True)
# 第一个全连接层
fc1 = fluid.layers.fc(input=emb, size=128)
# 进行一个长短期记忆操作
lstm1, _ = fluid.layers.dynamic_lstm(input=fc1, #返回：隐藏状态（hidden state），LSTM的神经元状态
size=128) #size=4*hidden_size
# 第一个最大序列池操作
fc2 = fluid.layers.sequence_pool(input=fc1, pool_type='max')
# 第二个最大序列池操作
lstm2 = fluid.layers.sequence_pool(input=lstm1, pool_type='max')
# 以softmax作为全连接的输出层，大小为2,也就是正负面
out = fluid.layers.fc(input=[fc2, lstm2], size=2, act='softmax')
return out
这里可以先定义一个输入层，这样要注意的是我们使用的数据属于序列数据，所以我们可以设置lod_level为1，当该参数不为0时，表示输入的数据为序列数据，默认lod_level的值是0.
# 定义输入数据， lod_level不为0指定输入数据为序列数据
words = fluid.layers.data(name='words', shape=[1], dtype='int64', lod_level=1)
label = fluid.layers.data(name='label', shape=[1], dtype='int64')
# 获取长短期记忆网络
model = lstm_net(words, dict_dim)
接着定义损失函数，这里同样是一个分类任务，所以使用的损失函数也是交叉熵损失函数。这里也可以使用fluid.layers.accuracy()接口定义一个输出分类准确率的函数，可以方便在训练的时候，输出测试时的分类准确率，观察模型收敛的情况。
# 获取损失函数和准确率
cost = fluid.layers.cross_entropy(input=model, label=label)
avg_cost = fluid.layers.mean(cost)
acc = fluid.layers.accuracy(input=model, label=label)
# 获取预测程序
test_program = fluid.default_main_program().clone(for_test=True)
然后是定义优化方法，这里使用的时Adagrad优化方法，Adagrad优化方法多用于处理稀疏数据，设置学习率为0.002。
# 定义优化方法
optimizer = fluid.optimizer.AdagradOptimizer(learning_rate=0.002)
opt = optimizer.minimize(avg_cost)
如果读取有GPU环境，可以尝试使用GPU来训练，使用方式是使用fluid.CUDAPlace(0)来创建。
# 定义使用CPU还是GPU，使用CPU时use_cuda = False,使用GPU时use_cuda = True
use_cuda = False
place = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace()
exe = fluid.Executor(place)
# 进行参数初始化
exe.run(fluid.default_startup_program())
[]
定义数据数据的维度，数据的顺序是一条句子数据对应一个标签。
# 定义输入数据的维度
# 定义数据数据的维度，数据的顺序是一条句子数据对应一个标签
feeder = fluid.DataFeeder(place=place, feed_list=[words, label])
现在就可以开始训练了，这里设置训练的循环是2次，大家可以根据情况设置更多的训练轮数。我们在训练中，每40个Batch打印一层训练信息和进行一次测试，测试是使用测试集进行预测并输出损失值和准确率，测试完成之后，对之前预测的结果进行求平均值。
# 开始训练
for pass_id in range(1):
# 进行训练
train_cost = 0
for batch_id, data in enumerate(train_reader()): #遍历train_reader迭代器
train_cost = exe.run(program=fluid.default_main_program(),#运行主程序
feed=feeder.feed(data), #喂入一个batch的数据
fetch_list=[avg_cost]) #fetch均方误差
if batch_id % 40 == 0: #每40次batch打印一次训练、进行一次测试
print('Pass:%d, Batch:%d, Cost:%0.5f' % (pass_id, batch_id, train_cost[0]))
# 进行测试
test_costs = [] #测试的损失值
test_accs = [] #测试的准确率
for batch_id, data in enumerate(test_reader()):
test_cost, test_acc = exe.run(program=test_program,
feed=feeder.feed(data),
fetch_list=[avg_cost, acc])
test_costs.append(test_cost[0])
test_accs.append(test_acc[0])
# 计算平均预测损失在和准确率
test_cost = (sum(test_costs) / len(test_costs))
test_acc = (sum(test_accs) / len(test_accs))
print('Test:%d, Cost:%0.5f, ACC:%0.5f' % (pass_id, test_cost, test_acc))
#保存模型
model_save_dir = "/home/aistudio/work/emotionclassify.inference.model"
# 如果保存路径不存在就创建
if not os.path.exists(model_save_dir):
os.makedirs(model_save_dir)
print ('save models to %s' % (model_save_dir))
fluid.io.save_inference_model(model_save_dir, #保存推理model的路径
['words'], #推理（inference）需要 feed 的数据
[model], #保存推理（inference）结果的 Variables
exe) #exe 保存 inference model
Pass:0, Batch:0, Cost:0.61247
Pass:0, Batch:40, Cost:0.05618
Pass:0, Batch:80, Cost:0.02686
Pass:0, Batch:120, Cost:1.02602
Pass:0, Batch:160, Cost:0.28227
Test:0, Cost:1.02659, ACC:0.50175
save models to /home/aistudio/work/emotionclassify.inference.model
[‘save_infer_model/scale_0’]
我们先定义三个句子，第一句是中性的，第二句偏向正面，第三句偏向负面。然后把这些句子读取到一个列表中。
# 定义预测数据
reviews_str = ['read the book forget the movie', 'this is a great movie', 'this is very bad']
# 把每个句子拆成一个个单词
reviews = [c.split() for c in reviews_str]
然后把句子转换成编码，根据数据集的字典，把句子中的单词转换成对应标签。
# 获取结束符号的标签
UNK = word_dict['<unk>']
# 获取每句话对应的标签
lod = []
for c in reviews:
# 需要把单词进行字符串编码转换
lod.append([word_dict.get(words.encode('utf-8'), UNK) for words in c])
获取输入数据的维度和大小。
# 获取每句话的单词数量
base_shape = [[len(c) for c in lod]]
将要预测的数据转换成张量，准备开始预测。
# 生成预测数据
tensor_words = fluid.create_lod_tensor(lod, base_shape, place)
infer_exe = fluid.Executor(place) #创建推测用的executor
inference_scope = fluid.core.Scope() #Scope指定作用域
with fluid.scope_guard(inference_scope):#修改全局/默认作用域（scope）, 运行时中的所有变量都将分配给新的scope。
#从指定目录中加载 推理model(inference model)
[inference_program, #推理的program
feed_target_names, #str列表，包含需要在推理program中提供数据的变量名称
fetch_targets] = fluid.io.load_inference_model(model_save_dir,#fetch_targets: 推断结果，model_save_dir:模型训练路径
infer_exe) #infer_exe: 运行 inference model的 executor
results = infer_exe.run(inference_program, #运行预测程序
feed={feed_target_names[0]: tensor_words},#喂入要预测的x值
fetch_list=fetch_targets) #得到推测结果
# 打印每句话的正负面概率
for i, r in enumerate(results[0]):
print("\'%s\'的预测结果为：正面概率为：%0.5f，负面概率为：%0.5f" % (reviews_str[i], r[0], r[1]))
'read the book forget the movie’的预测结果为：正面概率为：0.41776，负面概率为：0.58224
'this is a great movie’的预测结果为：正面概率为：0.45951，负面概率为：0.54049
'this is very bad’的预测结果为：正面概率为：0.41094，负面概率为：0.58906
来源：CSDN
作者：PaddlePaddle开发者
链接：https://blog.csdn.net/PaddleLover/article/details/103612113