DeepMoji

DeepMoji

情感分析模型,基于12亿推文训练,支持迁移学习与多情感预测

DeepMoji是一个情感分析模型,基于12亿推文数据训练,可通过迁移学习在多种情感任务中表现出色。项目包含代码示例和预训练模型,兼容Python 2.7和Keras框架,适用于情感预测和文本编码。还提供了PyTorch实现,用户可使用不同模块进行数据处理、模型微调和测试。

DeepMojitorchMoji情感分析机器学习KerasGithub开源项目

DeepMoji 项目介绍

DeepMoji 是一个基于深度学习的模型,专注于通过理解表情符号在社交媒体(如推特)上的使用来识别和分析情感表达。这个项目利用海量的数据,约12亿条包含表情符号的推文,来训练模型,使其在与情感相关的文本建模任务上达到最先进的表现。

背景与意义

表情符号是社交媒体中常见的情感表达方式,通过分析这些表情符号及其上下文的使用模式,DeepMoji 提供了一种深入理解非结构化文本情感的途径。利用转移学习技术,DeepMoji 可以在不同的情感识别和文本分析任务中产生极高的精度,这对于自动情感分析、舆情监测等有重大应用价值。

项目资源

DeepMoji 项目中的资源分布于多个目录,各有其功能:

  • deepmoji/ 包含将数据集转化为模型可识别词汇表及使用模型所需的底层代码。
  • examples/ 提供了如何将数据集转化为模型词汇、加载模型并运行的示例代码。
  • scripts/ 包含处理和分析数据集以重现研究结果的代码。
  • model/ 储存了预先训练好的模型和相关词汇表。
  • data/ 提供测试所用的原始及处理过的数据集。
  • tests/ 包含代码库的单元测试。

建议新手从 examples/ 目录开始学习,了解如何使用 DeepMoji 提取表情符号预测,或如何将文本编码为2304维的情感特征向量,也可查看如何通过迁移学习在新数据集上使用模型。

技术要求

DeepMoji 基于 Keras 框架开发,需使用 Theano 或 TensorFlow 作为后端。如果您更习惯使用 PyTorch,可以参考 HuggingFace 提供的 torchMoji 实现。

安装指南

假定您使用的是 Python 2.7,并且已安装 pip。需要先安装 Theano(0.9版以上)或 TensorFlow(1.3版以上)作为后端。安装剩余依赖项前,请在项目根目录运行以下命令:

pip install -e .

这会安装以下依赖项:

  • Keras
  • scikit-learn
  • h5py
  • text-unidecode
  • emoji

确保 Keras 能够使用您的选择的后端,可以参考这里的说明。

此外,您需要下载预训练的 DeepMoji 权重(约85MB),并放置在 model/ 目录中。使用以下命令可自动完成:

python scripts/download_weights.py

测试与责任声明

可以通过安装 nose 后,在 tests/ 目录内使用命令 nosetests -v 运行测试。如果不想运行耗时的微调测试,可使用 nosetests -v -a '!slow'

请注意,该代码在 Ubuntu 16.04 系统上的 Python 2.7 环境中进行了测试,未必是最优化的版本,但对于大多数用途已足够快速。用户在使用过程中需自行承担风险。

贡献与许可

DeepMoji 欢迎大家通过提交 pull request 改进代码,或通过填写反馈表为研究贡献情感数据。项目的代码及预训练模型在 MIT 许可证下发布,详情可在许可协议中查看。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多