fine grained sentiment app streamlit

用於細粒度情感分類的 Streamlit 解釋器應用程式

此儲存庫包含現有互動式應用程式的 Streamlit 等效項，它解釋了細粒度情感分類的結果，本中系列中對此進行了詳細描述。

實作了許多分類器，並使用 LIME 解釋器解釋了它們的結果。分類器在史丹佛情感樹庫 (SST-5) 資料集上進行訓練。類別標籤可以是[1, 2, 3, 4, 5]中的任一個，其中1非常負， 5非常正。

為什麼選擇 Streamlit？

Streamlit 是一個輕量級、簡約的框架，用於用 Python 建立儀表板。 Streamlit 的主要重點是為開發人員提供使用盡可能少的程式碼行快速建立 UI 設計原型的能力。部署 Web 應用程式通常需要的所有繁重工作（例如定義後端伺服器及其路由、處理 HTTP 請求等）都從使用者中抽象化。因此，無論開發人員的經驗如何，快速實現 Web 應用程式都變得非常容易。

安裝

首先，設定虛擬環境並從requirements.txt安裝：

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

如需進一步開發，只需啟動現有的虛擬環境即可。

 source venv/bin/activate

用法

設定並啟動虛擬環境後，使用以下命令運行應用程式。

streamlit run app.py

輸入一個句子，選擇分類器類型，然後按一下Explain results按鈕。然後我們可以觀察有助於分類器預測特定類別標籤的特徵（即單字或標記）。

前端演示

前端應用程式接收文字範例並輸出不同方法的 LIME 解釋。該應用程式是使用 Heroku 在此位置部署的：https://sst5-explainer-streamlit.herokuapp.com/

使用您自己的文字範例（如下所示）並查看細粒度情感結果的解釋！

注意：由於基於 PyTorch 的模型（Flair 和因果變換器）運行推理的成本相當昂貴（它們需要 GPU），因此未部署這些方法。但是，它們可以在應用程式的本機實例上運行。