RoBERTa模型情感分析Python代码

RoBERTa（Robustly Optimized BERT Pretraining Approach）是一个改进版的BERT模型，它在预训练阶段进行了更多的动态 masking 和更大的数据增强，通常在情感分析任务上表现出色。以下是使用Hugging Face的Transformers库在Python中进行RoBERTa情感分析的一个简单示例：

# 首先安装必要的库
!pip install transformers

import torch
from transformers import RobertaTokenizer, RobertaForSequenceClassification

# 加载预训练模型和分词器
tokenizer = RobertaTokenizer.from_pretrained('roberta-base')
model = RobertaForSequenceClassification.from_pretrained('roberta-base', num_labels=2)  # 假设二分类任务，标签数为2

# 示例文本
text = "这部电影真的很好看。"

# 对文本进行编码
inputs = tokenizer(text, return_tensors="pt", padding=True)

# 获取模型预测
outputs = model(**inputs)
logits = outputs.logits
_, prediction = torch.max(logits, dim=1)

# 输出预测的情感类别
if prediction.item() == 0:
    print("这是一个积极的评价")
else:
    print("这是一个消极的评价")