如何显示来自文本分类的其他情绪分数？

如何解决如何显示来自文本分类的其他情绪分数？

我正在做情绪分析，我想知道如何通过对我的句子进行分类来显示其他情绪分数：“特斯拉的股票刚刚上涨了 20%。”

我有三种情绪：积极、消极和中性。

这是我的代码，里面包含了我要分类的句子：

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，我如何使它显示负面和中性以及正面的情绪分数？

看起来像这样：

positive
0.92

negative
0.05

neutral
0.03

谢谢。

解决方法

因为 HappyTransformer 不支持多类概率，所以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类概率，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，并且只返回两个标签而不是三个标签。

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