PaddleNLP之淘宝商品评论情感分析

P粉084495128
发布: 2025-07-21 11:35:09
原创
462人浏览过
本文介绍了使用PaddleNLP进行淘宝商品评论情感分析的过程。先处理数据,将原数据集转换为指定格式,再用load_dataset读取。选用ERNIE预训练模型,通过tokenizer处理文本,用DataLoader加载数据。设置优化策略后训练模型,最后用训练好的模型进行预测,实现对评论情感(正向、中立、负向)的分类。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

paddlenlp之淘宝商品评论情感分析 - php中文网

一、PaddleNLP之淘宝商品评论情感分析

在我国电子商务飞快发展的背景下,基本上所有的电子商务网站都支持消费者对产品的做工、快递、价格个等进行打分和发表评论。在网络平台上发布大量的留言和评论,这已经成为互联网的一种流行形式,而这种形势必然给互联网带来海量的信息。

对于卖家来说,可以从评论信息中获取客户的实际需求,以改善产品品质,提高自身的竞争力。另一方面,对于一些未知体验产品,客户可以通过网络来获取产品信息,特别是对一些未知的体验产品,客户为了降低自身的风险更加倾向于得到其他客户的意见和看法,这些评论对潜在的买家而言无疑是一笔财富,并以此作为决策的重要依据。

对于客户来说,可以借鉴别人的购买历史以及评论信息,更好的辅助自己制定购买决策。

因此,通过利用数据挖掘技术针对客户的大量评论进行分析,可以挖掘出这些信息的特征,而得到的这些信息有利于生产商改进自身产品和改善相关的服务,提高商家的核心竞争力。

数据标签分别为 {0: 'negative', 1: 'neutral', 2: 'positive'}

In [1]
!pip install --upgrade paddlenlp
登录后复制
   

二、数据处理

1.数据查看

可见每条数据包含一句评论和对应的标签,0或1。0代表负向评论,1代表中立评论,2代表正向评论。

In [2]
# 解压缩# !unzip data/data94812/中文淘宝评论数据集.zip
登录后复制
   
In [17]
!head -n9 train.txt
登录后复制
       
质量 很棒 ! 又 厚实 , 就是 做工 不好 , 就是 有点 味道 得 跑跑

做工

0

很好 , 很漂亮 , 质量 问题 就 不知道 了 , 得用 用 才 知道 , 这个 快递 太 垃圾 了

快递

0

价格 上面 反正 折扣 之后 就是 市场 销售价格 , 搞 活动 也 就 随便说说 , 挺好吃 的

价格

0
登录后复制
       

2.数据集格式转换

In [4]
def read(data_path):
    data=['label'+'\t'+'text_a\n']    with open(data_path, 'r', encoding='utf-8-sig') as f:
        lines=f.readlines()        # 三行为一条记录
        for i in range(int(len(lines)/3)):            # 读取第一行为内容
            word = lines[i*3].strip('\n') 
            # 读取第三行为标签
            label = lines[i*3+2].strip('\n')
            data.append(label+'\t'+word+'\n')
            i=i+1 
    return data  
with open('formated_train.txt','w') as f:
    f.writelines(read('train.txt'))with open('formated_test.txt','w') as f:
    f.writelines(read('test.txt'))
登录后复制
   
In [5]
!head formated_train.txt
登录后复制
       
label	text_a
0	质量 很棒 ! 又 厚实 , 就是 做工 不好 , 就是 有点 味道 得 跑跑
0	很好 , 很漂亮 , 质量 问题 就 不知道 了 , 得用 用 才 知道 , 这个 快递 太 垃圾 了
0	价格 上面 反正 折扣 之后 就是 市场 销售价格 , 搞 活动 也 就 随便说说 , 挺好吃 的
0	漂亮 好看 质量 好 就是 快递 不 给力 , 派个件 要 派 两天
0	宝贝 很 满意 , 发小 刚刚 好 , 质量 也 不错 , 值得 购买 , 就是 快递 太慢 , 昨天 才 到
0	行李箱 就 不错 啊 ! 看上去 是 挺 结实 的 等 用 了 才 知道 是不是 真的 好 ! 拉链 也 很 顺滑 ! 快递 太差 , 太慢
0	质量 很好 , 发货 很快 , 果断 给 好评 ! 快递 小哥 有些 烦 , 让 他 等 我 五分钟 , 结果 五分钟 内 打 了 三次 电话 !
0	颜色 很小 清新 , 和 图片 一样 的 , 送 的 贴纸 很 可爱 。 轮子 在 瓷砖 上 走 挺 小声 的 , 要是 细节 处理 好 一点 就 完美 了 。 性价比 高 。 快递 没打 满分 一 是因为 不 给 送货 , 二是 我 说 等验 完货 在 签 , 她们 就 给 我 脸色 看 。
0	虽然 安装 师傅 不 给力 , 但是 东西 真的 很 给力 ! 很 喜欢 好评 !
登录后复制
       
In [6]
!head formated_test.txt
登录后复制
       
label	text_a
0	非常 漂亮 的 拉杆箱 , 很 轻 , 跟 店家 描述 的 一致 , 快递 速度 不行 啊
0	款式 设计 的 很 好看 呀 , 客服 态度 很好 , 呃 , 质量 感觉 不太好 奥 , 就是 会 起球 , 而且 快递 好慢 啊
0	超值 啊 哈哈哈 , 就是 颜色 随机 我以 为什么 颜色 都 有 , 结果 全是 一个 颜色 的 , 不过 东西 好 就 可以 , 物超所值 。
0	卖家 很好 , 热情周到 , 包装 严实 , 遇到 快递 问题 都 极力 解决 。 我要 投诉 快递 , 太差 了 。
0	比 想象 的 要 好得多 , 音效 特别 好 , 还 带 环绕 音 , 总之 很 喜欢 , 就是 这个 价格 不是 很 实惠
0	买大 了 一点 , 不过 也 能 穿 , 孩子 很 喜欢 , 三件套 的 , 春秋 都 可以 穿 , 质量 还可以 , 蓝色 的 绒 颜色 感觉 有点 陈旧 , 还有 就是 有点 小贵 。 快递 公司 有点 小 差错 , 不过 老板 很快 就 解决 了 。
0	质量 一般 , 边板 是 多层板 , 快递 太慢 了 , 2 月 8 日 发货 , 21 日才 到 。
0	挺好 的 , 店家 很 用心 , 包装 的 非常 好 , 只是 快递 方面 太慢 了 , 希望 这方面 还是 改进 下 !
0	好吃 好吃 , 就是 分量 太少 了 , 有点 贵咯
登录后复制
       

3.重写read方法读取自定义数据集

通过查看课件,3行为一条记录,分别为评价内容、评价分类、评价正负标签,根据文件结构,自定义数据集

In [7]
from paddlenlp.datasets import load_datasetdef read(data_path):
    with open(data_path, 'r', encoding='utf-8') as f:        # 跳过列名
        next(f)        for line in f:
            label,  word= line.strip('\n').split('\t')            yield {'text': word, 'label': label}# data_path为read()方法的参数train_ds = load_dataset(read, data_path='formated_train.txt',lazy=False)
test_ds = load_dataset(read, data_path='formated_test.txt',lazy=False)
dev_ds = load_dataset(read, data_path='formated_test.txt',lazy=False)
登录后复制
   
In [8]
print(len(train_ds))print(train_ds.label_list)for idx in range(10):    print(train_ds[idx])
登录后复制
       
13339
None
{'text': '质量 很棒 ! 又 厚实 , 就是 做工 不好 , 就是 有点 味道 得 跑跑', 'label': '0'}
{'text': '很好 , 很漂亮 , 质量 问题 就 不知道 了 , 得用 用 才 知道 , 这个 快递 太 垃圾 了', 'label': '0'}
{'text': '价格 上面 反正 折扣 之后 就是 市场 销售价格 , 搞 活动 也 就 随便说说 , 挺好吃 的', 'label': '0'}
{'text': '漂亮 好看 质量 好 就是 快递 不 给力 , 派个件 要 派 两天', 'label': '0'}
{'text': '宝贝 很 满意 , 发小 刚刚 好 , 质量 也 不错 , 值得 购买 , 就是 快递 太慢 , 昨天 才 到', 'label': '0'}
{'text': '行李箱 就 不错 啊 ! 看上去 是 挺 结实 的 等 用 了 才 知道 是不是 真的 好 ! 拉链 也 很 顺滑 ! 快递 太差 , 太慢', 'label': '0'}
{'text': '质量 很好 , 发货 很快 , 果断 给 好评 ! 快递 小哥 有些 烦 , 让 他 等 我 五分钟 , 结果 五分钟 内 打 了 三次 电话 !', 'label': '0'}
{'text': '颜色 很小 清新 , 和 图片 一样 的 , 送 的 贴纸 很 可爱 。 轮子 在 瓷砖 上 走 挺 小声 的 , 要是 细节 处理 好 一点 就 完美 了 。 性价比 高 。 快递 没打 满分 一 是因为 不 给 送货 , 二是 我 说 等验 完货 在 签 , 她们 就 给 我 脸色 看 。', 'label': '0'}
{'text': '虽然 安装 师傅 不 给力 , 但是 东西 真的 很 给力 ! 很 喜欢 好评 !', 'label': '0'}
{'text': '外观 还可以 , 送 了 很多 贴画 , 蛮 细心 的 。 快递 送 在 超市 门口 打个 电话 就 走 了 , 结果 被 别人 拿走 了 , 好歹 又 送 回来 了 & hellip ; & hellip ; 真是 糟心 !', 'label': '0'}
登录后复制
       

三、使用预训练模型

1.选取预训练模型

In [9]
import paddlenlp as ppnlp# 设置想要使用模型的名称MODEL_NAME = "ernie-1.0"ernie_model  = ppnlp.transformers.ErnieModel.from_pretrained(MODEL_NAME)
model = ppnlp.transformers.ErnieForSequenceClassification.from_pretrained(MODEL_NAME, num_classes=3)
登录后复制
       
[2021-06-15 23:40:55,574] [    INFO] - Downloading https://paddlenlp.bj.bcebos.com/models/transformers/ernie/ernie_v1_chn_base.pdparams and saved to /home/aistudio/.paddlenlp/models/ernie-1.0
[2021-06-15 23:40:55,577] [    INFO] - Downloading ernie_v1_chn_base.pdparams from https://paddlenlp.bj.bcebos.com/models/transformers/ernie/ernie_v1_chn_base.pdparams
100%|██████████| 392507/392507 [00:13<00:00, 29747.03it/s]
[2021-06-15 23:41:15,870] [    INFO] - Weights from pretrained model not used in ErnieModel: ['cls.predictions.layer_norm.weight', 'cls.predictions.decoder_bias', 'cls.predictions.transform.bias', 'cls.predictions.transform.weight', 'cls.predictions.layer_norm.bias']
[2021-06-15 23:41:16,263] [    INFO] - Already cached /home/aistudio/.paddlenlp/models/ernie-1.0/ernie_v1_chn_base.pdparams
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/fluid/dygraph/layers.py:1297: UserWarning: Skip loading for classifier.weight. classifier.weight is not found in the provided dict.
  warnings.warn(("Skip loading for {}. ".format(key) + str(err)))
/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/fluid/dygraph/layers.py:1297: UserWarning: Skip loading for classifier.bias. classifier.bias is not found in the provided dict.
  warnings.warn(("Skip loading for {}. ".format(key) + str(err)))
登录后复制
       

2.调用ppnlp.transformers.ErnieTokenizer进行数据处理

预训练模型ERNIE对中文数据的处理是以字为单位。PaddleNLP对于各种预训练模型已经内置了相应的tokenizer。指定想要使用的模型名字即可加载对应的tokenizer。

灵感PPT
灵感PPT

AI灵感PPT - 免费一键PPT生成工具

灵感PPT 32
查看详情 灵感PPT

tokenizer作用为将原始输入文本转化成模型model可以接受的输入数据形式。

PaddleNLP之淘宝商品评论情感分析 - php中文网        

PaddleNLP之淘宝商品评论情感分析 - php中文网        

In [10]
tokenizer = ppnlp.transformers.ErnieTokenizer.from_pretrained(MODEL_NAME)
登录后复制
       
[2021-06-15 23:41:18,286] [    INFO] - Downloading vocab.txt from https://paddlenlp.bj.bcebos.com/models/transformers/ernie/vocab.txt
100%|██████████| 90/90 [00:00<00:00, 3163.87it/s]
登录后复制
       

从以上代码可以看出,ERNIE模型输出有2个tensor。

  • sequence_output是对应每个输入token的语义特征表示,shape为(1, num_tokens, hidden_size)。其一般用于序列标注、问答等任务。
  • pooled_output是对应整个句子的语义特征表示,shape为(1, hidden_size)。其一般用于文本分类、信息检索等任务。\

NOTE:

  • 如需使用ernie-tiny预训练模型,则对应的tokenizer应该使用paddlenlp.transformers.ErnieTinyTokenizer.from_pretrained('ernie-tiny')
  • 以上代码示例展示了使用Transformer类预训练模型所需的数据处理步骤。为了更方便地使用,PaddleNLP同时提供了更加高阶API,一键即可返回模型所需数据格式。

3.数据读取

使用paddle.io.DataLoader接口多线程异步加载数据。

In [11]
from functools import partialfrom paddlenlp.data import Stack, Tuple, Padfrom utils import  convert_example, create_dataloader# 模型运行批处理大小batch_size = 200max_seq_length = 128trans_func = partial(
    convert_example,
    tokenizer=tokenizer,
    max_seq_length=max_seq_length)
batchify_fn = lambda samples, fn=Tuple(
    Pad(axis=0, pad_val=tokenizer.pad_token_id),  # input
    Pad(axis=0, pad_val=tokenizer.pad_token_type_id),  # segment
    Stack(dtype="int64")  # label): [data for data in fn(samples)]
train_data_loader = create_dataloader(
    train_ds,
    mode='train',
    batch_size=batch_size,
    batchify_fn=batchify_fn,
    trans_fn=trans_func)
dev_data_loader = create_dataloader(
    dev_ds,
    mode='dev',
    batch_size=batch_size,
    batchify_fn=batchify_fn,
    trans_fn=trans_func)
登录后复制
   

4.设置Fine-Tune优化策略,接入评价指标

In [12]
from paddlenlp.transformers import LinearDecayWithWarmupimport paddle# 训练过程中的最大学习率learning_rate = 5e-5 # 训练轮次epochs = 5 #3# 学习率预热比例warmup_proportion = 0.1# 权重衰减系数,类似模型正则项策略,避免模型过拟合weight_decay = 0.01num_training_steps = len(train_data_loader) * epochs
lr_scheduler = LinearDecayWithWarmup(learning_rate, num_training_steps, warmup_proportion)
optimizer = paddle.optimizer.AdamW(
    learning_rate=lr_scheduler,
    parameters=model.parameters(),
    weight_decay=weight_decay,
    apply_decay_param_fun=lambda x: x in [
        p.name for n, p in model.named_parameters()        if not any(nd in n for nd in ["bias", "norm"])
    ])

criterion = paddle.nn.loss.CrossEntropyLoss()
metric = paddle.metric.Accuracy()
登录后复制
   

四、模型训练与评估

模型训练的过程通常有以下步骤:

  1. 从dataloader中取出一个batch data
  2. 将batch data喂给model,做前向计算
  3. 将前向计算结果传给损失函数,计算loss。将前向计算结果传给评价方法,计算评价指标。
  4. loss反向回传,更新梯度。重复以上步骤。

每训练一个epoch时,程序将会评估一次,评估当前模型训练的效果。

In [13]
# checkpoint文件夹用于保存训练模型!mkdir /home/aistudio/checkpoint
登录后复制
       
mkdir: cannot create directory ‘/home/aistudio/checkpoint’: File exists
登录后复制
       
In [14]
import paddle.nn.functional as Ffrom utils import evaluate

global_step = 0for epoch in range(1, epochs + 1):    for step, batch in enumerate(train_data_loader, start=1):
        input_ids, segment_ids, labels = batch
        logits = model(input_ids, segment_ids)
        loss = criterion(logits, labels)
        probs = F.softmax(logits, axis=1)
        correct = metric.compute(probs, labels)
        metric.update(correct)
        acc = metric.accumulate()

        global_step += 1
        if global_step % 10 == 0 :            print("global step %d, epoch: %d, batch: %d, loss: %.5f, acc: %.5f" % (global_step, epoch, step, loss, acc))
        loss.backward()
        optimizer.step()
        lr_scheduler.step()
        optimizer.clear_grad()
    evaluate(model, criterion, metric, dev_data_loader)
登录后复制
   
global step 270, epoch: 5, batch: 2, loss: 0.43869, acc: 0.80500global step 280, epoch: 5, batch: 12, loss: 0.41893, acc: 0.80792global step 290, epoch: 5, batch: 22, loss: 0.44744, acc: 0.80523global step 300, epoch: 5, batch: 32, loss: 0.38977, acc: 0.80797global step 310, epoch: 5, batch: 42, loss: 0.39923, acc: 0.80774global step 320, epoch: 5, batch: 52, loss: 0.36724, acc: 0.81029global step 330, epoch: 5, batch: 62, loss: 0.40811, acc: 0.81008eval loss: 0.51191, accu: 0.74444
登录后复制
   

五、模型预测

训练保存好的训练,即可用于预测。如以下示例代码自定义预测数据,调用predict()函数即可一键预测。

In [16]
from utils import predict

data = [
    {"text":'这个宾馆比较陈旧了,特价的房间也很一般。总体来说一般'},
    {"text":'怀着十分激动的心情放映,可是看着看着发现,在放映完毕后,出现一集米老鼠的动画片'},
    {"text":'作为老的四星酒店,房间依然很整洁,相当不错。机场接机服务很好,可以在车上办理入住手续,节省时间。'},
]
label_map = {0: 'negative', 1: 'neutral', 2: 'positive'}

results = predict(
    model, data, tokenizer, label_map, batch_size=batch_size)for idx, text in enumerate(data):    print('Data: {} \t Lable: {}'.format(text, results[idx]))
登录后复制
       
Data: {'text': '这个宾馆比较陈旧了,特价的房间也很一般。总体来说一般'} 	 Lable: neutral
Data: {'text': '怀着十分激动的心情放映,可是看着看着发现,在放映完毕后,出现一集米老鼠的动画片'} 	 Lable: negative
Data: {'text': '作为老的四星酒店,房间依然很整洁,相当不错。机场接机服务很好,可以在车上办理入住手续,节省时间。'} 	 Lable: positive
登录后复制
       

以上就是PaddleNLP之淘宝商品评论情感分析的详细内容,更多请关注php中文网其它相关文章!

淘宝
淘宝

淘宝是一个好逛、丰富、有趣的消费生活社区,每天有亿万消费者来淘宝“逛街”:发现好物、找到乐趣、表达体验……淘宝能满足人们生活中的各种需求,有需要的小伙伴快来保存下载体验吧!

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号