《基于ChatGPT的情感分析:从句子到观点的挖掘》

AI与情感12mos agoupdate lida
84 0 0

文章标签:代码地址, ChatGPT, 情感分析, openai

Part1ChatSA

代码地址:https://github.com/taishan1994/ChatSA

基于ChatGPT的情感分析,

简单的情感分析:给定一个句子,判断该句子所属的情感。

复杂点的情感分析,总共有7个子任务。

《基于ChatGPT的情感分析:从句子到观点的挖掘》7个ABSA子任务

如何使用

在开始之前,您需要创建一个OpenAI账户,并在“Account API Keys – OpenAI API”中生成一个API密钥。这是在使用OpenAI服务的过程中必不可少的一步。

2、其次你得有一个vpn,vpn代理为全局模式。

3、修改main.py里面的df_access里面的api key。

4、选择不同的子任务运行即可。

结果

—SA—

—begin—

给你一个例子:

给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!

你应该判断该句子的情感是什么,情感从[正面的负面的中性的

]里选择。

输出列表:[“正面的”

]

如果不存在,回答:没有。

返回结果为输出列表。

现在,我给你一个句子,如“散热很好、低噪音、做工扎实、键盘舒适”

,你应该判断句子的情感倾向,并以列表的形式返回结果,如果不存在,则回答:没有。

{sentence散热很好、低噪音、做工扎实、键盘舒适type: , access: , taskSAlangchineseresult: [正面的], mess: [{rolesystemcontentYou are a helpful assistant.}, {roleusercontent给你 一个例子:\n给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!\n你应该判断该句子的情感是什么,情感从[\正面的\, \负面的\, \中性的\]里选择。\n输出列表:[“正面的”]\n如果不存在,回答:没有。\n返回结果为输出列表。\n\n现在,我给你一个句子,如”散热很好、低噪音、做工扎实、键盘舒适”,你应该该句子的情感倾向,并以列表的形式返回结果,如果不存在,则回答:没有。

}]}

—AE—

—begin—

给你一个例子:

给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!

给定实体类型列表:[方面

]

你应该提取该句子里面的所有方面,这里的观点可能是对某方面的评价、介绍等。

输出列表:[“地方”“石头”“环境”“景色”

]

如果不存在,回答:没有。

返回结果为输出列表。

现在,我给你一个句子,如“味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”

,你应该提取里面所有实体类型为方面的实体,并以列表的形式返回结果,如果不存在,则回答:没有。

{sentence味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢type: , access: , taskAElangchineseresult: [味道服务], mess: [{rolesystemcontentYou are a helpful assistant.}, {roleusercontent给你一个例子:\n给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起 游玩!\n给定实体类型列表:[\方面\]\n你应该提取该句子里面的所有方面,这里的观点可能是对某方面的评价、介绍等。\n输出列表 :[“地方”, “石头”, “环境”, “景色”]\n如果不存在,回答:没有。\n返回结果为输出列表。\n\n现在,我给你一个句子,如”味道很不 错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”,你应该提取里面所有实体类型为方面的实体,并以列表的形式返回结果, 如果不存在,则回答:没有。

}]}

—OE—

—begin—

给你一个例子:

给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!

给定实体类型列表:[观点

]

在撰写文章时,我们需要关注并理解文中的观点,这些观点可能表现为对某项评价或介绍。作为一篇高质量的文章,我们需要准确地提炼出这些观点,以便在后续的论述中进行有效运用。

输出列表:[“值得去”“奇特”“优美”“宜人”

]

如果不存在,回答:没有。

返回结果为输出列表。

现在,我给你一个句子,如“味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”

,你应该提取里面所有实体类型为观点的实体,并以列表的形式返回结果,如果不存在,则回答:没有。

{sentence味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢type: , access: , taskOElangchineseresult: [味道很不错喜欢吃服务也很好感觉很亲切吃的很舒服], mess: [{rolesystemcontentYou are a helpful assistant.}, {roleusercontent给你一个例子:\n给出的句子是:值得去的地方,石头 很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!\n给定实体类型列表:[\观点\]\n你应该提取该句子里面的所有观点,这里 的观点可能是对某方面的评价、介绍等,请注意你只需要提取出观点,不要方面。\n输出列表:[“值得去”, “奇特”, “优美”, “宜人”]\n如果不存在,回答:没有。\n返回结果为输出列表。\n\n现在,我给你一个句子,如”味道很不错,很喜欢吃。服务也很好感觉很亲切, 吃的很舒服,谢谢”,你应该提取里面所有实体类型为观点的实体,并以列表的形式返回结果,如果不存在,则回答:没有。

}]}

—ALSC—

—begin—

给你一个例子:

给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!

给定一个方面,你需要判断它的情感是什么,从[正面的负面的中性的

]里进行选择。

比如,给定方面“地方”,输出列表:[“正面的”

]

如果不存在,回答:没有。

返回结果为输出列表。

现在,我给你一个句子,如“味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”,和一个方面“味道”

,你应该判断它的情感,并以列表的形式返回结果,如果不存在,则回答:没有。

{sentence味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢type: , aspect味道access: , taskALSClangchineseresult: [(味道正面的)], mess: [{rolesystemcontentYou are a helpful assistant.}, {roleusercontent给你一个例子:\n给出的句子是:值得去的地方,石头很奇特,景色优美,环境 宜人,适合与朋友家人一起游玩!\n给定一个方面,你需要判断它的情感是什么,从[\正面的\, \负面的\, \中性的\]里进行选择。\n比如,给定方面”地方”,输出列表:[“正面的”]\n如果不存在,回答:没有。\n返回结果为输出列表。\n\n现在,我给你一个句子,如”味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”,和一个方面”味道”,你应该判断它的情感,并以列表的形式返回结果,如果不存在,则回答:没有。

}]}

—AOE—

—begin—

给你一个例子:

给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!

给定一个方面,你需要识别它的观点或者修饰词是什么。

比如,给定方面“地方”,输出列表:[“值得去”

],请注意结果不要带上方面。

如果不存在,回答:没有。

返回结果为输出列表。

现在,我给你一个句子,如“味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”,和一个方面“味道”

,你应该输出它的观点或修饰词,并以列表的形式返回结果,如果不存在,则回答:没有。

给定方面“味道”,则输出列表:[“很不错”“很喜欢吃”

]。

{sentence味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢type: , aspect味道access: , taskAOElangchineseresult: [(味道很不错), (味道很喜欢吃)], mess: [{rolesystemcontentYou are a helpful assistant.}, {roleusercontent给你一个例子:\n给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!\n给定一个方面,你需要识别它的观点或者修饰词是什么。\n比如,给定方面” 地方”,输出列表:[“值得去”],请注意结果不要带上方面。\n如果不存在,回答:没有。\n返回结果为输出列表。\n\n现在,我给你一 个句子,如”味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”,和一个方面”味道”,你应该输出它的观点或修饰词,并以列表的形式返回结果,如果不存在,则回答:没有。

}]}

—PAIR—

—begin—

给你一个例子:

给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!

在撰写文章时,我们需要深入挖掘并分析各个层面的观点与论述,确保文章的全面性和深度。在这一过程中,注意识别并提取各个方面的观点,这些方面可能包括主题、子主题、关键论点或具有意义的词汇。同时,要注意理解这些观点的含义以及它们如何相互关联,从而使文章更具逻辑性和说服力。

输出列表:[(“地方”“值得去”),(“石头”,“奇特”),(“环境”“优美”),(“景色”,“宜人”

)]

如果不存在,回答:没有。

返回结果为输出列表。

现在,我给你一个句子,如“味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”

,请识别出里面所有的方面及其对应的观点,并以列表的形式返回结果,如果不存在,则回答:没有。

{sentence味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢type: , access: , taskPAIRlangchineseresult: [(味道不错), (服务), (感觉亲切), (口感舒服)], mess: [{rolesystemcontentYou are a helpful assistant.}, {roleusercontent给你一个例子:\n给出的句子是:值得去的 地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!\n你需要提取里面所有的方面及其对应的观点,请注意,方面可能是主体或者具有一定意义的名词,观点是形容某个方面的词。\n输出列表:[(“地方”, “值得去”),(“石头”,”奇特”),(“环境”, “优美”),(“景色”,”宜人”)]\n如果不存在,回答:没有。\n返回结果为输出列表。\n\n现在,我给你一个句子,如”味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”,请识别出里面所有的方面及其对应的观点,并以列表的形式返回结果,如果不存在,则回答:没 有。

}]}

—TRIPLET—

—begin—

给你一个例子:

给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!

你需要提取里面所有的方面及其对应的观点和情感,情感从[正面的负面的中立的

]中选择,请注意,方面可能是主体或者具有一定意义的名词,观点是形容某个方面的词。

输出列表:[(“地方”“值得去”,“正面的”),(“石头”,“奇特”,“正面的”),(“环境”“优美”,“正面的”),(“景色”,“宜人”,“正面的”

)]

如果不存在,回答:没有。

返回结果为输出列表。

现在,我给你一个句子,如“味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”

,请识别出里面所有的方面及其对应的观点和情感,并以列表的形式返回结果,如果不存在,则回答:没有。

{sentence味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢type: , access: , taskTRIPLETlangchineseresult: [(味道不错正面的), (服务正面的), (感觉亲切正面的), (吃的舒服正面的)], mess: [{rolesystemcontentYou are a helpful assistant.}, {roleusercontent给你一个例子:\n给出的句子是:值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!\n你需要提取里面所有的方面及其对应的观点和情感,情感从[\正面的\, \负面的\, \中立的\]中选择,请注意,方面可能是主体或者具有一定意义的名词,观点是形容某个方面的词。\n输出列表:[(“地方”, “值得去”,”正面的”),(“石头”,”奇特”,”正面的”),(“环境”, “优美”,”正面 的”),(“景色”,”宜人”,”正面的”)]\n如果不存在,回答:没有。\n返回结果为输出列表。\n\n现在,我给你一个句子,如”味道很不错, 很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢”,请识别出里面所有的方面及其对应的观点和情感,并以列表的形式返回结果, 如果不存在,则回答:没有。

}]}

最后这里以triplet为例,对不同领域的文本进行识别:

酒店感觉很好,服务也不错,还会一如既往的关注,支持

[(感觉正面的), (服务不错正面的), (关注一如既往正面的), (支持, , 正面的

)]

KTV服务态度很好,环境也不错,就是点歌系统不太好用。

[(服务态度正面的), (环境不错正面的), (点歌系统不太好用负面的

)]

丽人感觉不是很满意,不能对顾客有敷衍了事的行为,每次讲话老是有这么多的理由,态度和效果有待提高

[(感觉不满意负面的), (顾客对待敷衍了事负面的), (讲话理由过多负面的), (态度和效果有待提高负面的

)]

美食味道很不错,很喜欢吃。服务也很好感觉很亲切,吃的很舒服,谢谢

[(味道不错正面的), (服务正面的), (感觉亲切正面的), (吃的舒服正面的

)]

旅游值得去的地方,石头很奇特,景色优美,环境宜人,适合与朋友家人一起游玩!

[(地方值得去正面的), (石头奇特正面的), (环境优美正面的), (景色宜人正面的

)]

健康环境不错,进去就有暖气,叫的11号技师,服务确实不错,95

后妹子,技术好,挺不错的体验

[(环境不错正面的), (暖气正面的), (技师11号正面的), (服务不错正面的), (妹子95后正面的), (技术正面的), (体验不错正面的

)]

教育环境非常好,古香古色的教室。老师不错,随时能沟通孩子学习及吃饭情况!

[(环境正面的), (教室古香古色正面的), (老师不错正面的), (沟通随时能正面的), (孩子学习及吃饭情况沟通正面的

)]

商业服务好 态度好 产品好 一句话就是好

[(服务正面的), (态度正面的), (产品正面的

)]

房产这小区不错。房价也不低。

[(小区不错正面的), (房价不低负面的

)]

汽车“经济实惠、动力不错、油耗低”[(价格实惠正面的), (动力不错正面的), (油耗正面的

)]

生活很好的浴室,干净清爽!前台热情

[(浴室很好正面的), (前台热情正面的), (浴室干净清爽正面的

)]

购物这才是正规专卖店啊,服务好,产品全面

[(专卖店正规正面的), (服务正面的), (产品全面正面的

)]

3C散热很好、低噪音、做工扎实、键盘舒适

[(散热很好正面的), (噪音正面的), (做工扎实正面的), (键盘舒适正面的

)]

Part2补充

在本文中,我们深受项目[https://github.com/cocacola-lab/ChatIE/](https://github.com/cocacola-lab/ChatIE/)的启发,并借鉴了其中的代码。对于这个项目的创作者,我们在此表示由衷的感谢。

作为一篇高质量的文章写作高手,我会根据您的要求对原文进行改写。关于样例数据的来源,我为您找到了一个值得信赖的资源:https://ai.baidu.com/tech/nlp_apply/comment_tag。这个网站提供了丰富的信息,将有助于您在撰写相关主题的文章时,为您的读者提供有价值的内容。

代码地址, ChatGPT, 情感分析, openai

© Copyright notes

Related posts

No comments

No comments...