药品评论情感分析系统 (Drug Review Sentiment Analysis)

基于深度学习的药品评论情感分析系统，可以自动分析药品评论的情感倾向（积极、中性、消极）。本项目采用 LSTM + BERT 词向量的混合架构，并提供了友好的 Web 界面。

🌟 功能特点

• 支持单条评论和批量评论的情感分析
• 提供直观的 Web 界面，便于使用
• 显示详细的情感概率分布
• 支持 CSV 文件批量处理
• 集成 TensorBoard 可视化训练过程
• 多语言支持

🛠️ 技术架构

• 前端界面: Gradio
• 深度学习框架: PyTorch
• 预训练模型: BERT (bert-base-uncased)
• 模型结构: LSTM + 注意力机制
• 数据处理: Pandas, NumPy
• 可视化: TensorBoard

📦 安装说明

1. 克隆仓库

git clone https://github.com/guangzhaoli/drug-review-sentiment.git
cd drug-review-sentiment

2. 安装依赖

pip install -r requirements.txt

🚀 使用方法

训练模型

python train.py \
    --train_file review/drugsComTrain_raw.csv \
    --val_file review/drugsComTest_raw.csv \
    --model_dir checkpoints \
    --batch_size 32 \
    --epochs 10

启动 Web 界面

python app.py

命令行推理

# 单条评论分析
python inference.py text \
    --model_path checkpoints/best_model.pth \
    --text "This medicine helped me a lot with minimal side effects."

# 批量分析
python inference.py batch \
    --test_file data/test.csv \
    --model_path checkpoints/best_model.pth \
    --output_file predictions.csv

📊 模型性能

• 准确率: 85%+
• F1 分数: 0.83
• 支持 3 类情感分析（积极、中性、消极）

📁 项目结构

drug-review-sentiment/
├── app.py              # Web 界面实现
├── train.py           # 模型训练脚本
├── inference.py       # 推理脚本
├── model.py           # 模型定义
├── dataset.py         # 数据集处理
├── requirements.txt   # 项目依赖
├── checkpoints/       # 模型检查点
└── data/             # 数据目录

📝 数据格式

训练数据需要包含以下列：

• review: 评论文本
• rating: 评分 (1-10)

🔧 参数配置

主要可调参数：

• max_length: 文本最大长度 (默认: 128)
• embedding_dim: 词嵌入维度 (默认: 100)
• lstm_units: LSTM 单元数 (默认: 64)
• dropout_rate: Dropout 比率 (默认: 0.2)
• learning_rate: 学习率 (默认: 0.001)

📈 可视化

启动 TensorBoard:

tensorboard --logdir=checkpoints/tensorboard_logs

🤝 贡献指南

欢迎提交 Issue 和 Pull Request 来帮助改进项目。

📄 开源协议

本项目采用 MIT 许可证。

👥 作者

• 作者名字 - @Guangzhao Li

🙏 致谢

• BERT 预训练模型
• Gradio 框架
• PyTorch 社区