การซื้อคืนนี้ประกอบด้วยต้นแบบเบื้องต้นของแอปพลิเคชันแบบโต้ตอบที่เขียนด้วย Flask ซึ่งอธิบายผลลัพธ์ของการจำแนกประเภทความรู้สึกแบบละเอียด ซึ่งอธิบายโดยละเอียดในซีรีส์ขนาดกลางนี้
มีการนำตัวแยกประเภทจำนวนหนึ่งไปใช้และอธิบายผลลัพธ์โดยใช้ตัวอธิบาย LIME ผู้แยกประเภทได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูล Stanford Sentiment Treebank (SST-5) ป้ายกำกับคลาสเป็นค่าใดก็ได้ [1, 2, 3, 4, 5]
โดยที่ 1
เป็นค่าลบมากและ 5
เป็นค่าบวกมาก
ขั้นแรก ให้ตั้งค่าสภาพแวดล้อมเสมือนและติดตั้งจาก requirements.txt
:
python3 -m venv venv
source venv/bin/activate
pip3 install -r requirements.txt
สำหรับการพัฒนาเพิ่มเติม เพียงเปิดใช้งานสภาพแวดล้อมเสมือนที่มีอยู่
source venv/bin/activate
เรียกใช้ไฟล์ app.py
จากนั้นป้อนประโยค เลือกประเภทของลักษณนามแล้วคลิกที่ปุ่ม Explain results!
- จากนั้นเราสามารถสังเกตคุณลักษณะ (เช่น คำหรือโทเค็น) ที่มีส่วนทำให้ตัวแยกประเภททำนายป้ายกำกับคลาสเฉพาะได้
แอปส่วนหน้าใช้ตัวอย่างข้อความและส่งคำอธิบาย LIME สำหรับวิธีการต่างๆ แอปถูกปรับใช้โดยใช้ Heroku ที่ตำแหน่งนี้: https://sst5-explainer.herokuapp.com/
เล่นกับตัวอย่างข้อความของคุณเองดังที่แสดงด้านล่างและดูคำอธิบายผลลัพธ์เชิงความรู้สึกที่ละเอียด!
หมายเหตุ: เนื่องจากโมเดลที่ใช้ PyTorch (Flair และตัวแปลงเชิงสาเหตุ) มีราคาค่อนข้างแพงในการอนุมาน (ต้องใช้ GPU) วิธีการเหล่านี้จึงไม่ได้ปรับใช้