Hugging Face GUI演示：https://huggingface.co/spaces/WJL110/Sentiment_Demo

Github：https://github.com/wjl110/Sentiment_Demo

Hugging Face模型卡：https://huggingface.co/spaces/WJL110/emotion-classifier

gradio
transformers
torch

app.py

1. 构建Gradio前端演示
2. 点击预设词模型进行识别

https://drive.google.com/file/d/17JIWMDXvVC-aBmpXIA5g0QkjG3afyl9y/view?usp=sharing

这是一个基于 BERT 的中文情感分类模型，可以将文本分类为三种情感：快乐、愤怒、悲伤。

• Emo.py: 最终版本情感分类模型，包含完整的训练和评估功能
• test_emotion.py: 模型测试脚本
• emotion_data.csv: 情感数据集
• requirements.txt: 项目依赖
• config.json: 配置文件
• .env: 环境变量文件（包含敏感信息，不提交到仓库）

1. 克隆仓库：

git clone https://github.com/WJL110/Sentiment_Demo.git
cd Sentiment_Demo

2. 安装依赖：

pip install -r requirements.txt

1. 训练模型：

python Emo.py

2. 测试模型：

python test_emotion.py

3. 上传模型：

python upload_model.py

from transformers import pipeline
classifier = pipeline("text-classification", model="WJL110/chinese-emotion-classifier")
result = classifier("今天真是太开心了！")
print(result)

• 基础模型：chinese-bert-wwm-ext
• 训练数据：约100条中文情感数据
• 情感类别：
  • 快乐
  • 愤怒
  • 悲伤
• 特点：
  • 支持数据增强
  • 包含评估指标（准确率、F1分数等）
  • 自动保存最佳模型

• Accuracy: 模型准确率
• F1 Score: F1分数
• Precision: 精确率
• Recall: 召回率

• Python 3.12
• PyTorch
• Transformers
• Hugging Face

from transformers import pipeline

# 创建分类器
classifier = pipeline("text-classification", model="WJL110/emotion-classifier")

# 标签映射
label_map = {
    "LABEL_0": "快乐",
    "LABEL_1": "愤怒",
    "LABEL_2": "悲伤"
}

# 测试文本
test_texts = [
    "今天真是太开心了！",
    "这件事让我很生气。",
    "听到这个消息很难过。"
]

print("=== 情感分析测试 ===")
for text in test_texts:
    result = classifier(text)[0]  # 获取第一个（也是唯一的）结果
    emotion = label_map[result['label']]
    confidence = result['score']
    
    print(f"\n输入文本: {text}")
    print(f"预测情感: {emotion}")
    print(f"置信度: {confidence:.2f}")

本作品采用 知识共享 署名-非商业性使用-禁止演绎 4.0 国际许可协议 授权。

• 您必须署名：明确标注原作者姓名及作品来源链接
• 禁止商用：不得用于任何商业目的（包括广告、付费服务等）
• 禁止修改：不得以任何形式改编、转换或二次创作

@WJL110

• 2024-01: 初始版本发布
• 2024-01: 添加数据增强功能
• 2024-01: 优化模型性能
• 2024-01: 集成 Hugging Face Hub

Copyright © [2025] [王健霖]。All rights reserved. This code is intended solely for the purpose of patent application and is not licensed for general use or distribution.