Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- import os
- from transformers import pipeline, AutoTokenizer, AutoModelForSequenceClassification
- # ══════════════════════════════════════════════
- # НАСТРОЙКИ
- # ══════════════════════════════════════════════
- MODEL_NAME = "blanchefort/rubert-base-cased-sentiment" # тональность: POSITIVE / NEGATIVE / NEUTRAL
- MODELS_DIR = "models"
- # ══════════════════════════════════════════════
- # Загрузка модели: с диска или из интернета
- # ══════════════════════════════════════════════
- local_path = os.path.join(MODELS_DIR, MODEL_NAME.replace("/", "_"))
- if os.path.exists(local_path):
- print(f"✓ Модель найдена на диске: {local_path}")
- else:
- print(f"⏳ Модель не найдена на диске.")
- print(f" Скачиваю «{MODEL_NAME}» с HuggingFace...")
- print(f" Это может занять несколько минут при первом запуске.\n")
- tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
- model = AutoModelForSequenceClassification.from_pretrained(MODEL_NAME)
- os.makedirs(local_path, exist_ok=True)
- tokenizer.save_pretrained(local_path)
- model.save_pretrained(local_path)
- print(f"✓ Модель сохранена в: {local_path}\n")
- classifier = pipeline("sentiment-analysis", model=local_path)
- # ══════════════════════════════════════════════
- # Анализ тональности
- # ══════════════════════════════════════════════
- texts = [
- "Отличный фильм, рекомендую всем!",
- "Скучно и неинтересно, зря потратил время.",
- "Нормальный продукт, ничего особенного.",
- "Жаль, что фильм закончился. Смотрел бы и смотрел",
- ]
- for t in texts:
- res = classifier(t)[0]
- print(f"{res['label']:>10} {res['score']:.0%} ← {t[:45]}")
Advertisement
Add Comment
Please, Sign In to add comment