python 全球多语言情感分析-模型版

简介

使用模型，我们自己就不用去维护情感库了！！！！学会偷懒

一、官网下载模型

下面模型支持100多种语言

https://huggingface.co/cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual

项目目录[红色部分是相关代码，代码未转onnx，转换为onnx 之后的模型好像是不包含情感。]

红色框部分就是本次的业务代码：框1（模型文件）和框2（测试demo）

注意：此代码，可后续让python提供api

二、代码（2个demo）

python 复制代码

# 【最终版】多语言情感分析（输出中文：正面/负面/中性）
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 本地模型路径
MODEL_NAME = "./xlm-roberta-base-sentiment-multilingual"
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
model = AutoModelForSequenceClassification.from_pretrained(MODEL_NAME)

# 🔥 直接修改为中文标签
LABELS = ["负面", "中性", "正面"]

# 全球语言测试
test_texts = [
    "快递用时 2 天",
    "这个产品真的超级好用！",
    "质量非常差，强烈不推荐！",
    "I love this service!",
    "This is the worst product ever!",
    "この商品は最高です！",
    "이 제품 정말 별로에요!",
    "Ce produit est incroyable !",
    "Este producto es pésimo!"
]

print("=" * 50)
print("XLM-R 多语言情感分析")
print("=" * 50)

for text in test_texts:
    inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=128)
    with torch.no_grad():
        outputs = model(**inputs)

    label_idx = torch.argmax(outputs.logits, dim=1).item()
    sentiment = LABELS[label_idx]

    print(f"文本：{text}")
    print(f"情感结果：{sentiment}")
    print("-" * 50)

python 复制代码

# 【精准情绪描述版】多语言情感分析（输出：非常开心/极度失望等）
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
import torch.nn.functional as F

# 你本地已有的模型（完全不变）
MODEL_NAME = "./xlm-roberta-base-sentiment-multilingual"
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
model = AutoModelForSequenceClassification.from_pretrained(MODEL_NAME)

# 模型分类：0=负面 1=中性 2=正面
LABELS = ["负面", "中性", "正面"]


# 🔥 核心：根据情绪强度，匹配【具体情感描述】
def get_emotion_desc(label_idx, score):
    # 正面情绪（强度越高，表达越强烈）
    if label_idx == 2:
        if score >= 0.95:
            return "🥰 非常开心、极度满意"
        elif score >= 0.8:
            return "😊 满意、认可、感觉很好"
        else:
            return "🙂 轻微好评、感觉不错"
    # 负面情绪
    elif label_idx == 0:
        if score >= 0.95:
            return "😡 非常愤怒、极度失望"
        elif score >= 0.8:
            return "😞 失望、不满意、体验较差"
        else:
            return "🙁 轻微差评、感觉一般"
    # 中性
    else:
        return "😐 客观陈述、无情感倾向"


# 测试各种强度的语句
test_texts = [
    # 强正面
    "这是我用过最好的东西！太开心了！",
    "I'm so happy with this product!",
    # 弱正面
    "这个东西还可以吧",
    # 中性
    "这个产品有3个规格",
    # 弱负面
    "这个东西不太好用",
    # 强负面
    "垃圾产品！气死我了！再也不买了！",
    "最悪！本当にがっかりした！"
]

print("=" * 60)
print("多语言情感分析（精准情绪描述）")
print("=" * 60)

for text in test_texts:
    inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=128)
    with torch.no_grad():
        outputs = model(**inputs)

    # 计算概率（情绪置信度）
    probs = F.softmax(outputs.logits, dim=1)
    label_idx = torch.argmax(probs, dim=1).item()
    score = probs[0][label_idx].item()

    # 获取情感描述
    emotion = get_emotion_desc(label_idx, score)

    print(f"文本：{text}")
    print(f"情感结果：{emotion}")
    print(f"置信度：{score:.2%}")
    print("-" * 60)