【源码】基于Python和PaddlePaddle框架的情感分析与文档问答系统

项目简介

本项目结合了情感分析和文档问答功能，基于Python和PaddlePaddle框架开发。可对文本进行细粒度情感分析，还能提供智能文档问答功能，适用于消费决策、舆情分析、个性化推荐等多种应用场景。

项目的主要特性和功能

情感分析

• 细粒度情感分析：可识别文本中不同属性的情感倾向，如产品的味道、包装、服务等。
• 评论观点抽取：自动抽取文本中的评论属性和相应观点。
• 高性能预测：提供基于Paddle Inference的高性能预测脚本，适合线上部署。

文档问答

• 文档加载与存储：支持加载PDF、图像等多种格式文档，并转换为文本存储。
• 文档问答：基于文档内容提供知识问答功能，用户输入问题可获取相关信息或答案。
• 文档分割与检索：使用文档分割技术将文档分段，支持基于关键词或内容的片段检索。

安装使用步骤

环境准备

• Python环境：建议使用Python 3.6及以上版本。
• PaddlePaddle：安装PaddlePaddle框架，建议用GPU版本提升性能。
• PaddleNLP：安装PaddleNLP库，版本要求2.2.2及以上。

数据准备

• 情感分析数据：下载并解压Demo数据集 ext_data 和 cls_data，分别放入 ./data/ext_data 和 ./data/cls_data 目录。
• 文档问答数据：准备包含文档内容的数据集，支持PDF、图像等格式。

模型准备

• 情感分析模型：下载预训练的评论观点模型 ext_model 和属性级情感分类模型 cls_model，重命名为 best.pdparams，分别放入 ./checkpoints/ext_checkpoints 和 ./checkpoints/cls_checkpoints 中。
• 文档问答模型：根据需求准备或训练相应的问答模型。

运行系统

情感分析

• 快速体验：运行 sh run_demo.sh 进行交互式情感分析体验。
• 批量预测：运行 sh run_predict.sh 进行批量文本情感分析。
• 高性能预测：运行 sh run_export_model.sh 将模型转为静态图，然后使用 deploy/predict.py 进行高性能预测。

文档问答

• 运行文档加载脚本，将文档转换为文本格式并存储。
• 运行问答脚本，输入问题获取文档中的相关信息或答案。

结果查看

• 情感分析结果：系统输出每个属性的情感极性，如正向、负向等。
• 文档问答结果：系统输出与问题相关的文档片段或答案。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】