fine grained sentiment app

用于细粒度情绪分类的解释器应用程序

该存储库包含用 Flask 编写的交互式应用程序的初始原型，它解释了细粒度情感分类的结果，本中等系列中详细描述了这一点。

实现了许多分类器，并使用 LIME 解释器解释了它们的结果。分类器在斯坦福情感树库 (SST-5) 数据集上进行训练。类标签可以是[1, 2, 3, 4, 5]中的任意一个，其中1非常负， 5非常正。

安装

首先，设置虚拟环境并从requirements.txt安装：

 python3 -m venv venv
source venv/bin/activate
pip3 install -r requirements.txt

如需进一步开发，只需激活现有的虚拟环境即可。

 source venv/bin/activate

用法

运行文件app.py ，然后输入一个句子，选择分类器类型，然后单击Explain results! 。然后我们可以观察有助于分类器预测特定类标签的特征（即单词或标记）。

前端演示

前端应用程序接收文本示例并输出不同方法的 LIME 解释。该应用程序是使用 Heroku 在此位置部署的：https://sst5-explainer.herokuapp.com/

使用您自己的文本示例（如下所示）并查看细粒度情感结果的解释！

注意：由于基于 PyTorch 的模型（Flair 和因果变换器）运行推理的成本相当昂贵（它们需要 GPU），因此未部署这些方法。