1. 简介

现在情感分析有很广泛的应用，例如：

评论分析与决策，通过对产品多维度评论观点进行倾向性分析，给用户提供该产品全方位的评价，方便用户进行决策
评论分类，通过对评论进行情感倾向性分析，将不同用户对同一事件或对象的评论内容按情感极性予以分类展示
舆情监控，通过对需要舆情监控的实时文字数据流进行情感倾向性分析，把握用户对热点信息的情感倾向性变化
等等

百度针对情感分析也提供了多种解决方案，包括：

百度情感倾向分析服务：对包含主观信息的文本进行情感倾向性判断，可支持在线训练模型调优效果，为口碑分析、话题监控、舆情分析等应用提供帮助。

ERINE模型：今年百度发布了知识增强的语义表示模型 ERNIE（Enhanced Representation from kNowledge IntEgration），并发布了基于 PaddlePaddle 的开源代码与模型，在语言推断、语义相似度、命名实体识别、情感分析、问答匹配等自然语言处理（NLP）各类中文任务上的验证显示，模型效果全面超越 BERT。

情感倾向分析（Sentiment Classification，简称Senta）针对带有主观描述的中文文本，可自动判断该文本的情感极性类别并给出相应的置信度，能够帮助企业理解用户消费习惯、分析热点话题和危机舆情监控，为企业提供有利的决策支持。PaddleHub现在这方面的模型有：senta_lstm，senta_gru，senta_cnn，senta_bow，senta_bilstm，emotion_detection_textcnn等。这些PaddleHub Module预训练数据集为百度自建数据集，支持预测和Fine-tune。

本文对使用百度情感倾向分析服务进行在线情感分析及使用百度ERINE模型、PaddleHub情感分析模型进行离线情感分析进行评测分析，并提供了详细的使用攻略及代码，方便大家使用。

2 情感倾向分析API调用攻略（Python3）

2.1 认证授权：

在开始调用任何API之前需要先进行认证授权，具体的说明请参考：

http://ai.baidu.com/docs#/Auth/top

具体Python3代码如下：

# -*- coding: utf-8 -*-
#!/usr/bin/env python

import urllib
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】

#获取token
def get_token():
    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
    request = urllib.request.Request(host)
    request.add_header('Content-Type', 'application/json; charset=UTF-8')
    response = urllib.request.urlopen(request)
    token_content = response.read()
    if token_content:
        token_info = json.loads(token_content)
        token_key = token_info['access_token']
    return token_key

2.2 情感倾向分析接口调用：
详细说明请参考：http://ai.baidu.com/docs#/NLP-API/57b9b630

接口描述
情感倾向分析接口（通用版）：自动对包含主观信息的文本进行情感倾向性判断（积极、消极、中性），并给出相应的置信度。为口碑分析、话题监控、舆情分析等应用提供基础技术支持，同时支持用户自行定制模型效果调优。

请求说明
HTTP方法: POST
请求URL: https://aip.baidubce.com/rpc/2.0/nlp/v1/sentiment_classify

URL参数：
参数 值
access_token 通过API Key和Secret Key获取的access_token,参考“Access Token获取”

Header如下：
参数 值
Content-Type application/json

Body请求示例:
{
"text": "苹果是一家伟大的公司"
}

请求参数
参数 类型 描述 是否必填
text string 文本内容，最大2048字节

返回说明
参数 说明 描述
log_id uint64 请求唯一标识码
sentiment int 表示情感极性分类结果，0:负向，1:中性，2:正向
confidence float 表示分类的置信度，取值范围[0,1]
positive_prob float 表示属于积极类别的概率 ，取值范围[0,1]
negative_prob float 表示属于消极类别的概率，取值范围[0,1]

Python3调用代码如下：

#调用情感分类接口        
def get_classify(content):
    print (content)
    token=get_token()
    url = 'https://aip.baidubce.com/rpc/2.0/nlp/v1/sentiment_classify'
    params = dict()
    params['text'] = content
    params = json.dumps(params).encode('utf-8')
    access_token = token
    url = url + "?access_token=" + access_token
    request = urllib.request.Request(url=url, data=params)
    request.add_header('Content-Type', 'application/json')
    response = urllib.request.urlopen(request)
    content = response.read()
    if content:
        content=content.decode('gb2312')
        #print (content)
        data = json.loads(content)
        data=data['items'][0]
        sentiment=data['sentiment']
        if sentiment==0:
            sentiment='负向'
        elif sentiment==1:
            sentiment='中性'
        else:
            sentiment='正向'
        
        print ('情感分类结果：',sentiment)
        print ('分类的置信度：',data['confidence'])
        print ('积极类别概率：',data['positive_prob'])
        print ('消极类别概率：',data['negative_prob'])
        
test_list = [
    "这个宾馆比较陈旧了，特价的房间也很一般。总体来说一般", 
    "交通方便；环境很好；服务态度很好 房间较小",
    "稍微重了点，可能是硬盘大的原故，还要再轻半斤就好了。" ,
    "服务很不错，下次还会来。" ,
    "前台接待太差，下次不会再选择入住此店啦", 
    "菜做的很好，味道很不错。" ,
    "19天硬盘就罢工了，算上运来的一周都没用上15天，你说这算什么事呀",
    "现在是高峰期，人太多了，我们晚点来吧"
]
        
import datetime
print (datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S'))
for text in test_list:
    get_classify(text)
print (datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S'))

3、ERINE模型

ERNIE 通过建模海量数据中的词、实体及实体关系，学习真实世界的语义知识。相较于 BERT 学习原始语言信号，ERNIE 直接对先验语义知识单元进行建模，增强了模型语义表示能力，以 Transformer 为网络基本组件，以Masked Bi-Language Model和 Next Sentence Prediction 为训练目标，通过预训练得到通用语义表示，再结合简单的输出层，应用到下游的 NLP 任务。我们可以使用ERINE进行情感分类，具体步骤如下：

1，首先我们要在PaddleHub中选择ernie作为预训练模型，进行Fine-tune。ChnSentiCorp数据集是一个中文情感分类数据集。PaddleHub已支持加载该数据集。关于该数据集，详情请查看ChnSentiCorp数据集使用。
https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub-API:-Dataset

2，生成Reader：接着生成一个文本分类的reader，reader负责将dataset的数据进行预处理，首先对文本进行切词，接着以特定格式组织并输入给模型进行训练。
ClassifyReader的参数有以下三个：
dataset: 传入PaddleHub Dataset;
vocab_path: 传入ERNIE/BERT模型对应的词表文件路径;
max_seq_len: ERNIE模型的最大序列长度，若序列长度不足，会通过padding方式补到max_seq_len, 若序列长度大于该值，则会以截断方式让序列长度为max_seq_len;

3，选择Fine-Tune优化策略，适用于ERNIE/BERT这类Transformer模型的迁移优化策略为AdamWeightDecayStrategy。详情请查看Strategy。

AdamWeightDecayStrategy的参数有以下三个：
learning_rate: 最大学习率
lr_scheduler: 有linear_decay和noam_decay两种衰减策略可选
warmup_proprotion: 训练预热的比例，若设置为0.1, 则会在前10%的训练step中学习率逐步提升到learning_rate
weight_decay: 权重衰减，类似模型正则项策略，避免模型overfitting
optimizer_name: 优化器名称，使用Adam

4，选择运行时配置
在进行Finetune前，我们可以设置一些运行时的配置，例如如下代码中的配置，表示：
use_cuda：设置为False表示使用CPU进行训练。如果您本机支持GPU，且安装的是GPU版本的PaddlePaddle，我们建议您将这个选项设置为True；
epoch：要求Finetune的任务只遍历1次训练集；
batch_size：每次训练的时候，给模型输入的每批数据大小为32，模型训练时能够并行处理批数据，因此batch_size越大，训练的效率越高，但是同时带来了内存的负荷，过大的batch_size可能导致内存不足而无法训练，因此选择一个合适的batch_size是很重要的一步；
log_interval：每隔10 step打印一次训练日志；
eval_interval：每隔50 step在验证集上进行一次性能评估；
checkpoint_dir：将训练的参数和数据保存到ernie_txt_cls_turtorial_demo目录中；
strategy：使用DefaultFinetuneStrategy策略进行finetune；
更多运行配置，请查看RunConfig

5，组建Finetune Task
有了合适的预训练模型和准备要迁移的数据集后，我们开始组建一个Task。
获取module的上下文环境，包括输入和输出的变量，以及Paddle Program；
从输出变量中找到用于情感分类的文本特征pooled_output；
在pooled_output后面接入一个全连接层，生成Task；

6，开始Finetune
选择finetune_and_eval接口来进行模型训练，这个接口在finetune的过程中，会周期性的进行模型效果的评估，以便我们了解整个训练过程的性能变化。

7，使用模型进行预测
当Finetune完成后，使用模型来进行预测

具体代码如下：

from paddle.fluid.framework import switch_main_program
import paddlehub as hub
import paddle.fluid as fluid
module = hub.Module(name="ernie", version="1.0.1")
dataset = hub.dataset.ChnSentiCorp()
#生成Reader
reader = hub.reader.ClassifyReader(
    dataset=dataset,
    vocab_path=module.get_vocab_path(),
    max_seq_len=128)
#选择Fine-Tune优化策略 
strategy = hub.AdamWeightDecayStrategy(
    weight_decay=0.01,
    warmup_proportion=0.1,
    learning_rate=5e-5,
    lr_scheduler="linear_decay",
    optimizer_name="adam")
#选择运行时配置
config = hub.RunConfig(
    use_cuda=True,
    num_epoch=1,
    checkpoint_dir="ernie_txt_cls_turtorial_demo",
    batch_size=32,
    log_interval=10,
    eval_interval=50,
    strategy=strategy)
    
#组建Finetune Task
inputs, outputs, program = module.context(
    trainable=True, max_seq_len=128)

# Use "pooled_output" for classification tasks on an entire sentence.
pooled_output = outputs["pooled_output"]

feed_list = [
    inputs["input_ids"].name,
    inputs["position_ids"].name,
    inputs["segment_ids"].name,
    inputs["input_mask"].name,
]

cls_task = hub.TextClassifierTask(
    data_reader=reader,
    feature=pooled_output,
    feed_list=feed_list,
    num_classes=dataset.num_labels,
    config=config)
#开始Finetune 
cls_task.finetune_and_eval()

#使用模型进行预测
# coding: utf-8
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import numpy as np
import os

import paddle
import paddle.fluid as fluid
import paddlehub as hub

# loading Paddlehub ERNIE pretrained model
module = hub.Module(name="ernie")
inputs, outputs, program = module.context(max_seq_len=128)

# Sentence classification  dataset reader
dataset = hub.dataset.ChnSentiCorp()
reader = hub.reader.ClassifyReader(
    dataset=dataset,
    vocab_path=module.get_vocab_path(),
    max_seq_len=128)

# Construct transfer learning network
# Use "pooled_output" for classification tasks on an entire sentence.
# Use "sequence_output" for token-level output.
pooled_output = outputs["pooled_output"]

# Setup feed list for data feeder
# Must feed all the tensor of ERNIE's module need
feed_list = [
    inputs["input_ids"].name,
    inputs["position_ids"].name,
    inputs["segment_ids"].name,
    inputs["input_mask"].name,
]

strategy = hub.AdamWeightDecayStrategy(
    weight_decay=0.01,
    warmup_proportion=0.1,
    learning_rate=5e-5,
    lr_scheduler="linear_decay",
    optimizer_name="adam")

# Setup runing config for PaddleHub Finetune API
config = hub.RunConfig(
    use_data_parallel=False,
    use_pyreader=False,
    use_cuda=True,
    batch_size=32,
    enable_memory_optim=False,
    checkpoint_dir="ernie_txt_cls_turtorial_demo",
    strategy=strategy)

# Define a classfication finetune task by PaddleHub's API
cls_task = hub.TextClassifierTask(
    data_reader=reader,
    feature=pooled_output,
    feed_list=feed_list,
    num_classes=dataset.num_labels,
    config=config)

# Data to be prdicted
data = [
    ["这个宾馆比较陈旧了，特价的房间也很一般。总体来说一般"], 
    ["交通方便；环境很好；服务态度很好 房间较小"],
    ["稍微重了点，可能是硬盘大的原故，还要再轻半斤就好了。" ],
    ["服务很不错，下次还会来。" ],
    ["前台接待太差，下次不会再选择入住此店啦"], 
    ["菜做的很好，味道很不错。" ],
    ["19天硬盘就罢工了，算上运来的一周都没用上15天，你说这算什么事呀"],
    ["现在是高峰期，人太多了，我们晚点来吧"]
]

index = 0
run_states = cls_task.predict(data=data)
results = [run_state.run_results for run_state in run_states]
for batch_result in results:
    # get predict index
    batch_result = np.argmax(batch_result, axis=2)[0]
    for result in batch_result:
        if result==1:
            result='正向'
        else:
            result='负向'
        print(data[index][0], result)
        index += 1

4、PaddleHub情感分析模型（以senta_bilstm为例）

模型概述
情感倾向分析（Sentiment Classification，简称Senta）针对带有主观描述的中文文本，可自动判断该文本的情感极性类别并给出相应的置信度，能够帮助企业理解用户消费习惯、分析热点话题和危机舆情监控，为企业提供有利的决策支持。该模型基于一个双向LSTM结构，情感类型分为积极、消极。该PaddleHub Module支持预测和Fine-tune。

参数：

data：dict类型，key为text，str类型；value为待预测文本，list类型。

返回：

results：list类型，每个元素为对应输入文本的预测结果。预测结果为dict类型，有以下字段：

text字段存放原输入待预测文本；
sentiment_label为情感分类结果对应的label；
sentiment_key表示分类结果为positive或是negative；
positive_probs为原输入文本对应positive的概率值；
negative_probs为原输入文本对应negative的概率值；

调用代码：

import paddlehub as hub

senta = hub.Module(name="senta_bilstm")
test_text = [
    "这个宾馆比较陈旧了，特价的房间也很一般。总体来说一般", 
    "交通方便；环境很好；服务态度很好 房间较小",
    "稍微重了点，可能是硬盘大的原故，还要再轻半斤就好了。" ,
    "服务很不错，下次还会来。" ,
    "前台接待太差，下次不会再选择入住此店啦", 
    "菜做的很好，味道很不错。" ,
    "19天硬盘就罢工了，算上运来的一周都没用上15天，你说这算什么事呀",
    "现在是高峰期，人太多了，我们晚点来吧"
]
input_dict = {"text": test_text}
results = senta.sentiment_classify(data=input_dict)

for result in results:
    print(result['text'])
    print(result['sentiment_label'])
    print(result['sentiment_key'])
    print(result['positive_probs'])
    print(result['negative_probs'])

5、功能评测：
选用不同的数据对情感分类的准确性进行测试。具体案例如下：
"这个宾馆比较陈旧了，特价的房间也很一般。总体来说一般",
"交通方便；环境很好；服务态度很好 房间较小",
"稍微重了点，可能是硬盘大的原故，还要再轻半斤就好了。" ,
"服务很不错，下次还会来。" ,
"前台接待太差，下次不会再选择入住此店啦",
"菜做的很好，味道很不错。" ,
"19天硬盘就罢工了，算上运来的一周都没用上15天，你说这算什么事呀",
"现在是高峰期，人太多了，我们晚点来吧"

5.1 情感分析API结果：
这个宾馆比较陈旧了，特价的房间也很一般。总体来说一般
情感分类结果： 负向
分类的置信度： 0.943242
积极类别概率： 0.025541
消极类别概率： 0.974459
交通方便；环境很好；服务态度很好 房间较小
情感分类结果： 正向
分类的置信度： 0.890898
积极类别概率： 0.950904
消极类别概率： 0.049096
稍微重了点，可能是硬盘大的原故，还要再轻半斤就好了。
情感分类结果： 负向
分类的置信度： 0.0922925
积极类别概率： 0.408468
消极类别概率： 0.591532
服务很不错，下次还会来。
情感分类结果： 正向
分类的置信度： 0.990288
积极类别概率： 0.99563
消极类别概率： 0.00437049
前台接待太差，下次不会再选择入住此店啦
情感分类结果： 负向
分类的置信度： 0.980575
积极类别概率： 0.00874128
消极类别概率： 0.991259
菜做的很好，味道很不错。
情感分类结果： 正向
分类的置信度： 0.959412
积极类别概率： 0.981735
消极类别概率： 0.0182646
19天硬盘就罢工了，算上运来的一周都没用上15天，你说这算什么事呀
情感分类结果： 负向
分类的置信度： 0.366781
积极类别概率： 0.284949
消极类别概率： 0.715051
现在是高峰期，人太多了，我们晚点来吧
情感分类结果： 正向
分类的置信度： 0.400084
积极类别概率： 0.730038
消极类别概率： 0.269962

5.2 ERINE的结果：
这个宾馆比较陈旧了，特价的房间也很一般。总体来说一般 负向
交通方便；环境很好；服务态度很好 房间较小 正向
稍微重了点，可能是硬盘大的原故，还要再轻半斤就好了。 负向
服务很不错，下次还会来。 正向
前台接待太差，下次不会再选择入住此店啦 负向
菜做的很好，味道很不错。 正向
19天硬盘就罢工了，算上运来的一周都没用上15天，你说这算什么事呀 负向
现在是高峰期，人太多了，我们晚点来吧 负向

5.3、PaddleHub情感分析模型（以senta_bilstm为例）

这个宾馆比较陈旧了，特价的房间也很一般。总体来说一般
0
negative
0.0103
0.9897
交通方便；环境很好；服务态度很好 房间较小
1
positive
0.9374
0.0626
稍微重了点，可能是硬盘大的原故，还要再轻半斤就好了。
0
negative
0.2237
0.7763
服务很不错，下次还会来。
1
positive
0.9891
0.0109
前台接待太差，下次不会再选择入住此店啦
0
negative
0.0057
0.9943
菜做的很好，味道很不错。
1
positive
0.9714
0.0286
19天硬盘就罢工了，算上运来的一周都没用上15天，你说这算什么事呀
0
negative
0.0266
0.9734
现在是高峰期，人太多了，我们晚点来吧
1
positive
0.7662
0.2338

6、结论及建议

通过测试发现不论直接调用百度情感分析服务还是使用百度ERINE模型，对情感分析都有很好、很准确的结果。百度情感分析服务调用起来更加的方便，不需要使用者掌握太多的深度学习方面的技术，适用于绝大多数的应用场景。

PaddleHub情感分析模型库，是一个针对情感分析的模型库，并且针对情感分析场景进行了预训练，支持FineTune，不过即使没有FineTune也可以直接用于情感分析，调用起来比较方便。不过需要使用者掌握一定的深度学习方面的技术。

ERINE模型是一个通用模型给与用户更大的灵活性，可以根据自己的需要定制化的开发适合自己的引用，不过需要对深度学习及Paddle Paddle有比较深入的了解。大家可以根据自己的实际情况选择适合的技术。