Bert-案例中文文本情感分析

 如何讀取中文文本信息

　　修改源碼中的 DataProcessor類

　　　　指定文件路徑

　　　　讀取文本內容

　　　　文本信息預處理　　

　　　　分別將id、text、label分離

　　　　返回data

　　具體源碼如下：

class SimProcessor(DataProcessor):
    """Processor for the Sim task"""

　　def get_train_examples(self, data_dir):
    　　"""Gets a collection of `InputExample`s for the train set."""
    　　file_path = os.path.join(data_dir,'train_sentiment.txt')  #指定待讀取文件的路徑
    　　f=open(file_path,'r',encoding='utf-8')   #讀取文本文件的內容
   　　#按照id、data、label的格式分開
    　　train_data = []
   　　index = 0
   　　 for line in f.readlines():
       　　 index = "%s-%s" % (index)   #划分id
       　　 line =line.replace('\n','').split('\t')#切分一行文本數據
       　　 text_a = tokenization.convert_to_unicode(str(line[1]))  #獲取文本內容
       　　 label = str(line[2])
       　　 train_data.append(
            　　InputExample(guid=guid, text_a=text_a, text_b=None, label=label))
       　　 )
       　　 index +=1
   　　return train_data


    def get_dev_examples(self, data_dir):
        file_path = os.path.join(data_dir, 'test_sentiment.txt')
        f = open(file_path, 'r', encoding='utf-8')
        dev_data = []
        index = 0
        for line in f.readlines():
            guid = 'dev-%d' % index
            line = line.replace("\n", "").split("\t")
            text_a = tokenization.convert_to_unicode(str(line[1]))
            label = str(line[2])
            dev_data.append(InputExample(guid=guid, text_a=text_a, text_b=None, label=label))
            index += 1
        return dev_data

    def get_test_examples(self, data_dir):
        file_path = os.path.join(data_dir, 'test.csv')
        test_df = pd.read_csv(file_path, encoding='utf-8')
        test_data = []
        for index, test in enumerate(test_df.values):
            guid = 'test-%d' % index
            text_a = tokenization.convert_to_unicode(str(test[0]))
            # text_b = tokenization.convert_to_unicode(str(test[1]))
            label = str(test[1])
            test_data.append(InputExample(guid=guid, text_a=text_a, text_b=None, label=label))
        return test_data

    def get_labels(self):
        return ['0', '1', '2']

　　

 項目運行參數配置如下：