如何显示来自文本分类的其他情绪分数？

Question

我正在做情绪分析，我想知道如何显示其他情绪分数 对我的句子进行分类：“Tesla 的股票刚刚增加了 20%。”

我有三种情绪：正面、负面和中性。

这是我的代码，其中包含我要分类的句子：

pip install happytransformer
from happytransformer import HappyTextClassification 
happy_tc = HappyTextClassification("BERT", "ProsusAI/finbert", num_labels=3)

result = happy_tc.classify_text("Tesla's stock just increased by 20%")

这是结果代码和输出：

print(result)

TextClassificationResult(label='positive', score=0.929110586643219)

这是情绪分数，只显示积极的分数：

print(result.label)
print(result.score)

positive
0.92

现在，我该怎么做才能显示负面和中性以及正面的情绪分数？

看起来像这样的东西：

positive
0.92

negative
0.05

neutral
0.03

谢谢。

Answer 1

因为 HappyTransformer 不支持多重 class 概率我建议使用另一个库。库 flair 提供了更多功能，可以为您提供所需的多重 class 概率，如下所示：

from flair.models import TextClassifier
from flair.data import Sentence

tc = TextClassifier.load('en-sentiment')

sentence = Sentence('Flair is pretty neat!')

tc.predict(sentence, multi_class_prob=True)

print('Sentence above is: ', sentence.labels)

只需 pip install flair 即可使用。

请注意，我们使用的模型与 BERT 不同，并且只有 returns 两个标签而不是三个。

另一种选择是使用 HuggingFace 库。它允许使用自定义标签。

from transformers import pipeline

classifier = pipeline("zero-shot-classification")
classifier(
    "This is a course about the Transformers library",
    candidate_labels=["education", "politics", "business"],
)

{'sequence': 'This is a course about the Transformers library',
 'labels': ['education', 'business', 'politics'],
 'scores': [0.8445963859558105, 0.111976258456707, 0.043427448719739914]}

在您的情况下，您将标签切换为 ["positive", "negative", "neutral"]。

示例取自：https://huggingface.co/course/chapter1/3?fw=pt

如何显示来自文本分类的其他情绪分数？

How do I show the other sentiment scores from text classification?

python

text-classification

bert-language-model