hlmu/NLP-lab2-opinon-mining

哈工大NLP课程实验二-电商评论观点挖掘

实验二：电商评论观点挖掘

实验基本情况

小组成员

1173710132 牟虹霖 1173710217 侯鹏钰

组内分数分配

牟虹霖 1 侯鹏钰 0.95

编码要求

本次实验采用UTF-8编码

运行所需库(根目录下含requirements.txt)

paddlehub==1.3.0 paddlepaddle==1.5.1 pkuseg==0.0.22 pyltp==0.2.1 python-crfsuite==0.9.6 sklearn==0.0 sklearn-crfsuite==0.3.6 synonyms==3.10.2

代码文件说明

实验文件结构

C:.
├─属性分类
│  └─ERNIE
│      ├─data
│      └─results
├─属性词情感词抽取
│  ├─BiGRU-CRF
│  │  ├─data
│  │  ├─model_
│  │  │  └─epoch99
│  │  └─results
│  ├─CRF
│  │  ├─seg_crf
│  │  │  ├─data
│  │  │  ├─results
│  │  │  └─utils
│  │  └─word_crf
│  │      ├─data
│  │      ├─results
│  │      └─utils
│  └─ERNIE
│      ├─ERNIE_etract
│      │  └─data
│      └─ERNIE_mapping
│          ├─data
│          │  └─.ipynb_checkpoints
│          └─results
└─观点极性分类
    └─ERNIE
        ├─data
        └─results

项目运行方法

属性词情感词抽取任务——CRF方法

（注：基于字、词的CRF方法运行方法均相同）

运行python extract_crf.py指令训练CRF模型

运行python fo_mapping.py可于 results 文件夹下生成指令生成 task1_answer.csv

属性词情感词抽取任务——BiGRU-CRF方法

运行python gen_feature_sents.py指令可于 data 文件夹下生成训练所需的数据

运行python train.py指令可运行训练模型代码（注：该文件夹已保存一份模型可直接使用）

运行python test.py指令可于 results 文件夹下生成 temp_out.txt 为测试中间结果

运行python fo_mapping.py指令可于 results 文件夹下生成 task1_answer.csv 文件

属性词情感词抽取任务——ERNIE方法

通过命令行终端进入 属性词情感词抽取/ERNIE/ERNIE_extract 文件夹

运行sh run_sequence_label.sh指令即运行模型训练任务

运行sh run_predict.sh指令即运行模型的预测任务，可于 results 文件夹下生成temp_out.txt文件

将 temp_out.txt 移动至 属性词情感词抽取/ERNIE/ERNIE_mapping/data 文件夹

通过命令行终端进入 属性词情感词抽取/ERNIE/ERNIE_mapping 文件夹

运行sh run_classifer.sh指令即运行模型训练任务

运行sh run_predict.sh指令即运行模型的预测任务，可于 results 文件夹下生成 task1_answer.csv 文件

属性分类任务——ERNIE方法

运行sh run_classifer.sh指令即运行模型训练任务

运行sh run_predict.sh指令即运行模型的预测任务，可于 results 文件夹下生成 task2_answer.csv 文件

观点极性分类任务——ERNIE方法

运行sh run_classifer.sh指令即运行模型训练任务

运行sh run_predict.sh指令即运行模型的预测任务，可于 results 文件夹下生成 task3_answer.csv 文件