使用flairNLP提取特征

时间:2020-04-23 14:01:22

标签: python nlp sentiment-analysis feature-extraction flair

我正在尝试使用flair进行情感分析,但我还需要知道每个单词在多大程度上影响了句子的得分。

我已经遵循此article来预测情感,但是它没有显示如何提取给定句子的特征。 由于本文中介绍的方式,我假设有一种方法可以进行特征提取,但是我找不到它。我曾尝试阅读时尚文档和代码本身,但没有找到一种方法。

我正在寻找的是这种功能:

import flair
text = flair.data.Sentence(<string-with-sentiment>)
model = flair.models.TextClassifier.load('en-sentiment')
model.predict(text)
print(s.individual_sentiments)

结果:

[('i', 0.08), ('do', 0.09), ('like', 1.0), ('you', -0.32)]

我不是要训练自己的模型,而是使用像上面的代码示例中那样的预训练模型。

注意:我并不拘泥于风格,如果存在具有此功能的其他框架,我也会很高兴知道。我正在尝试使用flair,因为在我测试它时,它能准确地执行Textblob和nltk的VADER。

1 个答案:

答案 0 :(得分:0)

本文实际上在我错过的底部有一个指向co notebook的链接。在这篇文章中,看来似乎是通过将整个单词之外的每个单词分别分类来实现的。