PyABSA: 一个开放的基于方面的情感分析框架

Ray

PyABSA

PyABSA简介

PyABSA是一个用于方面级情感分析(Aspect-Based Sentiment Analysis, ABSA)的开放框架。它由杨恒(yangheng95@GitHub)开发和维护,得到了社区研究人员的大力贡献。PyABSA是一个免费开源的工具,适用于所有人,但在使用时请务必附上作者信息和项目地址。

PyABSA提供了多种先进的ABSA模型,包括:

方面术语提取和情感分类(ATEPC)模型
方面极性分类(APC)模型
基于BERT的APC模型
基于GloVe的APC基线模型

除了ABSA,PyABSA还支持文本分类、文本增强和对抗性防御等任务。

主要功能

PyABSA的主要功能包括:

方面术语提取和情感分类
方面极性分类
方面情感三元组提取
方面情感四元组提取
多语言支持

PyABSA支持多种语言,包括英语、中文、阿拉伯语、荷兰语、法语、俄语、西班牙语和土耳其语等。

在线演示

PyABSA在Hugging Face Spaces上部署了多个在线演示,用户可以在线试用各种功能:

安装和使用

可以通过pip安装PyABSA的最新版本:

pip install -U pyabsa

也可以从源代码安装:

git clone https://github.com/yangheng95/PyABSA --depth=1
cd PyABSA 
python setup.py install

PyABSA提供了丰富的使用示例,可以参考示例代码来快速上手。

以下是一个简单的方面术语提取和情感分类的示例:

from pyabsa import AspectTermExtraction as ATEPC, available_checkpoints

aspect_extractor = ATEPC.AspectExtractor('multilingual',
                                         auto_device=True,
                                         cal_perplexity=True)

result = aspect_extractor.predict(['I love this movie, it is so great!'],
                                  save_result=True,
                                  print_result=True,
                                  ignore_error=True)

print(result)

数据集和模型

PyABSA提供了多个公开数据集,包括Twitter、Laptop14、Restaurant14/15/16等。这些数据集会自动下载,无需手动获取。

PyABSA还支持使用自定义数据集。用户可以参考ABSADatasets来准备自己的数据集。

对于模型,PyABSA实现了多种先进的ABSA模型,如LCF-BERT、FAST-LCF-BERT等。用户还可以基于提供的模板开发自己的模型。

贡献指南

PyABSA欢迎社区贡献,贡献方式包括:

分享自定义数据集
集成新模型
提交bug报告
提出功能建议
改进文档
创建示例脚本
为项目加星以保持活跃度

引用

如果PyABSA对您的研究有帮助,请考虑引用以下论文:

@inproceedings{YangZL23,
  author       = {Heng Yang and Chen Zhang and Ke Li},
  title        = {PyABSA: {A} Modularized Framework for Reproducible Aspect-based Sentiment Analysis},
  booktitle    = {Proceedings of the 32nd {ACM} International Conference on Information and Knowledge Management, {CIKM} 2023},
  pages        = {5117--5122},
  year         = {2023},
  url          = {https://doi.org/10.1145/3583780.3614752},
  doi          = {10.1145/3583780.3614752}
}

PyABSA为ABSA研究和应用提供了一个强大而灵活的工具。无论是研究人员还是开发者,都可以利用PyABSA来快速实现和测试ABSA模型,推动这一领域的发展。

PyABSA架构图