%global _empty_manifest_terminate_build 0 Name: python-Cemotion Version: 2.0.3 Release: 1 Summary: 基于NLP的中文情感倾向分析库 License: MIT License URL: https://pypi.org/project/Cemotion/ Source0: https://mirrors.nju.edu.cn/pypi/web/packages/d5/36/62e266b05cb8f2a2f4a20786f413b06b3ef93e37607288acc98f7d4e4fac/Cemotion-2.0.3.tar.gz BuildArch: noarch Requires: python3-tqdm Requires: python3-joblib Requires: python3-requests Requires: python3-numpy Requires: python3-torch Requires: python3-transformers %description Cemotion 是 Python 下的中文 NLP 库，可以进行中文情感倾向分析。 Cemotion 2.0 模型使用 BERT (Bidirectional Encoder Representations from Transformers) 训练得到，会为中文文本返回 0～1 之间的情感倾向置信度 (情感极性 0 为消极，1 为积极)。 使用 Cemotion，您将能够： - 批量分析中文文本的情感 - 部署至 Linux、macOS、Windows 等生产环境中 (支持 Apple Silicon) 该模块依赖于 PyTorch 环境（会自动安装），要求 Python 3.8 或更高版本，较老的机器可能无法运行。 ### 安装方法 1.进入命令窗口，创建虚拟环境，依次输入以下命令 Linux 和 macOS: ```bash python3 -m venv venv #创建虚拟环境 . venv/bin/activate #激活虚拟环境 ``` Windows: ```bash python -m venv venv #创建虚拟环境 venv\Scripts\activate #激活虚拟环境 ``` 2.安装Cemotion库，依次输入 ```bash pip install --upgrade pip pip install cemotion ``` ### 链接 - GitHub https://github.com/Cyberbolt/Cemotion - 电光笔记 https://www.cyberlight.xyz/ ### 使用方法 ```python #按文本字符串分析 from cemotion import Cemotion str_text1 = '配置顶级，不解释，手机需要的各个方面都很完美' str_text2 = '院线看电影这么多年以来，这是我第一次看电影睡着了。简直是史上最大烂片！没有之一！侮辱智商！大家小心警惕！千万不要上当！再也不要看了！' c = Cemotion() print('"', str_text1 , '"\n' , '预测值:{:6f}'.format(c.predict(str_text1) ) , '\n') print('"', str_text2 , '"\n' , '预测值:{:6f}'.format(c.predict(str_text2) ) , '\n') ``` ``` #返回内容(该模块返回了这句话的情感置信度，值在0到1之间): " 配置顶级，不解释，手机需要的各个方面都很完美 " 预测值:0.999962 " 院线看电影这么多年以来，这是我第一次看电影睡着了。简直是史上最大烂片！没有之一！侮辱智商！大家小心警惕！千万不要上当！再也不要看了！ " 预测值:0.000147 ``` ```python #使用列表进行批量分析 from cemotion import Cemotion list_text = ['内饰蛮年轻的，而且看上去质感都蛮好，貌似本田所有车都有点相似，满高档的！', '总而言之，是一家不会再去的店。'] c = Cemotion() print(c.predict(list_text)) ``` ``` #返回内容(该模块返回了列表中每句话的情感置信度，值在0到1之间): [['内饰蛮年轻的，而且看上去质感都蛮好，貌似本田所有车都有点相似，满高档的！', 0.999962], ['总而言之，是一家不会再去的店。', 0.000194]] ``` ### 2.0 版本主要更新内容 1.替换依赖 TensorFlow 为 PyTorch 2.将老版本的 BRNN + LSTM 更改为 BERT 模型 此外，2.0 版本的接口和老版本保持相同，您可以无缝切换。 %package -n python3-Cemotion Summary: 基于NLP的中文情感倾向分析库 Provides: python-Cemotion BuildRequires: python3-devel BuildRequires: python3-setuptools BuildRequires: python3-pip %description -n python3-Cemotion Cemotion 是 Python 下的中文 NLP 库，可以进行中文情感倾向分析。 Cemotion 2.0 模型使用 BERT (Bidirectional Encoder Representations from Transformers) 训练得到，会为中文文本返回 0～1 之间的情感倾向置信度 (情感极性 0 为消极，1 为积极)。 使用 Cemotion，您将能够： - 批量分析中文文本的情感 - 部署至 Linux、macOS、Windows 等生产环境中 (支持 Apple Silicon) 该模块依赖于 PyTorch 环境（会自动安装），要求 Python 3.8 或更高版本，较老的机器可能无法运行。 ### 安装方法 1.进入命令窗口，创建虚拟环境，依次输入以下命令 Linux 和 macOS: ```bash python3 -m venv venv #创建虚拟环境 . venv/bin/activate #激活虚拟环境 ``` Windows: ```bash python -m venv venv #创建虚拟环境 venv\Scripts\activate #激活虚拟环境 ``` 2.安装Cemotion库，依次输入 ```bash pip install --upgrade pip pip install cemotion ``` ### 链接 - GitHub https://github.com/Cyberbolt/Cemotion - 电光笔记 https://www.cyberlight.xyz/ ### 使用方法 ```python #按文本字符串分析 from cemotion import Cemotion str_text1 = '配置顶级，不解释，手机需要的各个方面都很完美' str_text2 = '院线看电影这么多年以来，这是我第一次看电影睡着了。简直是史上最大烂片！没有之一！侮辱智商！大家小心警惕！千万不要上当！再也不要看了！' c = Cemotion() print('"', str_text1 , '"\n' , '预测值:{:6f}'.format(c.predict(str_text1) ) , '\n') print('"', str_text2 , '"\n' , '预测值:{:6f}'.format(c.predict(str_text2) ) , '\n') ``` ``` #返回内容(该模块返回了这句话的情感置信度，值在0到1之间): " 配置顶级，不解释，手机需要的各个方面都很完美 " 预测值:0.999962 " 院线看电影这么多年以来，这是我第一次看电影睡着了。简直是史上最大烂片！没有之一！侮辱智商！大家小心警惕！千万不要上当！再也不要看了！ " 预测值:0.000147 ``` ```python #使用列表进行批量分析 from cemotion import Cemotion list_text = ['内饰蛮年轻的，而且看上去质感都蛮好，貌似本田所有车都有点相似，满高档的！', '总而言之，是一家不会再去的店。'] c = Cemotion() print(c.predict(list_text)) ``` ``` #返回内容(该模块返回了列表中每句话的情感置信度，值在0到1之间): [['内饰蛮年轻的，而且看上去质感都蛮好，貌似本田所有车都有点相似，满高档的！', 0.999962], ['总而言之，是一家不会再去的店。', 0.000194]] ``` ### 2.0 版本主要更新内容 1.替换依赖 TensorFlow 为 PyTorch 2.将老版本的 BRNN + LSTM 更改为 BERT 模型 此外，2.0 版本的接口和老版本保持相同，您可以无缝切换。 %package help Summary: Development documents and examples for Cemotion Provides: python3-Cemotion-doc %description help Cemotion 是 Python 下的中文 NLP 库，可以进行中文情感倾向分析。 Cemotion 2.0 模型使用 BERT (Bidirectional Encoder Representations from Transformers) 训练得到，会为中文文本返回 0～1 之间的情感倾向置信度 (情感极性 0 为消极，1 为积极)。 使用 Cemotion，您将能够： - 批量分析中文文本的情感 - 部署至 Linux、macOS、Windows 等生产环境中 (支持 Apple Silicon) 该模块依赖于 PyTorch 环境（会自动安装），要求 Python 3.8 或更高版本，较老的机器可能无法运行。 ### 安装方法 1.进入命令窗口，创建虚拟环境，依次输入以下命令 Linux 和 macOS: ```bash python3 -m venv venv #创建虚拟环境 . venv/bin/activate #激活虚拟环境 ``` Windows: ```bash python -m venv venv #创建虚拟环境 venv\Scripts\activate #激活虚拟环境 ``` 2.安装Cemotion库，依次输入 ```bash pip install --upgrade pip pip install cemotion ``` ### 链接 - GitHub https://github.com/Cyberbolt/Cemotion - 电光笔记 https://www.cyberlight.xyz/ ### 使用方法 ```python #按文本字符串分析 from cemotion import Cemotion str_text1 = '配置顶级，不解释，手机需要的各个方面都很完美' str_text2 = '院线看电影这么多年以来，这是我第一次看电影睡着了。简直是史上最大烂片！没有之一！侮辱智商！大家小心警惕！千万不要上当！再也不要看了！' c = Cemotion() print('"', str_text1 , '"\n' , '预测值:{:6f}'.format(c.predict(str_text1) ) , '\n') print('"', str_text2 , '"\n' , '预测值:{:6f}'.format(c.predict(str_text2) ) , '\n') ``` ``` #返回内容(该模块返回了这句话的情感置信度，值在0到1之间): " 配置顶级，不解释，手机需要的各个方面都很完美 " 预测值:0.999962 " 院线看电影这么多年以来，这是我第一次看电影睡着了。简直是史上最大烂片！没有之一！侮辱智商！大家小心警惕！千万不要上当！再也不要看了！ " 预测值:0.000147 ``` ```python #使用列表进行批量分析 from cemotion import Cemotion list_text = ['内饰蛮年轻的，而且看上去质感都蛮好，貌似本田所有车都有点相似，满高档的！', '总而言之，是一家不会再去的店。'] c = Cemotion() print(c.predict(list_text)) ``` ``` #返回内容(该模块返回了列表中每句话的情感置信度，值在0到1之间): [['内饰蛮年轻的，而且看上去质感都蛮好，貌似本田所有车都有点相似，满高档的！', 0.999962], ['总而言之，是一家不会再去的店。', 0.000194]] ``` ### 2.0 版本主要更新内容 1.替换依赖 TensorFlow 为 PyTorch 2.将老版本的 BRNN + LSTM 更改为 BERT 模型 此外，2.0 版本的接口和老版本保持相同，您可以无缝切换。 %prep %autosetup -n Cemotion-2.0.3 %build %py3_build %install %py3_install install -d -m755 %{buildroot}/%{_pkgdocdir} if [ -d doc ]; then cp -arf doc %{buildroot}/%{_pkgdocdir}; fi if [ -d docs ]; then cp -arf docs %{buildroot}/%{_pkgdocdir}; fi if [ -d example ]; then cp -arf example %{buildroot}/%{_pkgdocdir}; fi if [ -d examples ]; then cp -arf examples %{buildroot}/%{_pkgdocdir}; fi pushd %{buildroot} if [ -d usr/lib ]; then find usr/lib -type f -printf "/%h/%f\n" >> filelist.lst fi if [ -d usr/lib64 ]; then find usr/lib64 -type f -printf "/%h/%f\n" >> filelist.lst fi if [ -d usr/bin ]; then find usr/bin -type f -printf "/%h/%f\n" >> filelist.lst fi if [ -d usr/sbin ]; then find usr/sbin -type f -printf "/%h/%f\n" >> filelist.lst fi touch doclist.lst if [ -d usr/share/man ]; then find usr/share/man -type f -printf "/%h/%f.gz\n" >> doclist.lst fi popd mv %{buildroot}/filelist.lst . mv %{buildroot}/doclist.lst . %files -n python3-Cemotion -f filelist.lst %dir %{python3_sitelib}/* %files help -f doclist.lst %{_docdir}/* %changelog * Wed May 10 2023 Python_Bot - 2.0.3-1 - Package Spec generated