当前位置: 首页 > ops >正文

Python Gradio 写的-文本情感分析小软件 (不用Html+css+js 可写出网页来)

1. 安装 Gradio

首先,需要安装 Gradio 库。打开命令行,执行以下命令:

pip install gradio

注意:Gradio 需要 Python 3.10 或更高版本。推荐在虚拟环境中安装,避免依赖冲突。

2. 创建情感分析应用

创建一个 sentiment_analysis.py 文件,内容如下:

import gradio as gr
from textblob import TextBlobdef analyze_sentiment(text):"""分析文本情感"""# 使用 TextBlob 进行情感分析blob = TextBlob(text)polarity = blob.sentiment.polarity# 判断情感倾向if polarity > 0:sentiment = "正面"confidence = polarityelif polarity < 0:sentiment = "负面"confidence = -polarityelse:sentiment = "中性"confidence = 0return f"情感: {sentiment}, 置信度: {confidence:.2f}", polarity# 创建 Gradio 界面
with gr.Blocks(title="文本情感分析工具") as demo:gr.Markdown("# 文本情感分析工具")gr.Markdown("输入一段文字,系统会分析其情感倾向。")with gr.Row():with gr.Column(scale=1):input_text = gr.Textbox(label="输入文本", placeholder="请在此输入要分析的文本...", lines=5)analyze_btn = gr.Button("分析情感")with gr.Column(scale=1):output_result = gr.Textbox(label="分析结果", lines=2)polarity_score = gr.Slider(label="情感极性 (-1 到 1)", minimum=-1, maximum=1, value=0, interactive=False)# 设置按钮点击事件analyze_btn.click(fn=analyze_sentiment,inputs=input_text,outputs=[output_result, polarity_score])# 启动应用
if __name__ == "__main__":demo.launch()

3. 安装额外依赖

我们的应用使用了 textblob 库进行情感分析,需要安装:

pip install textblob

4. 运行应用

在命令行中执行:

python sentiment_analysis.py

运行后,会自动打开浏览器,显示我们创建的情感分析工具界面。

5. 应用功能说明

  • 在文本框中输入任意文字
  • 点击"分析情感"按钮
  • 系统会显示分析结果(正面/负面/中性)和置信度
  • 滑块会直观显示情感极性(范围从-1到1)
http://www.xdnf.cn/news/17393.html

相关文章:

  • Mac屏幕取色不准?探究原理和换算规则
  • STM32学习笔记6-TIM-2输出比较功能
  • PyQt5技术栈简述
  • SpringBoot日志关系
  • react之React.cloneElement()
  • 数据结构初阶(7)树 二叉树
  • Spring——Spring懒加载设计使用场景
  • try/catch/throw 简明指南
  • 零拷贝技术:提升传统I/O的性能
  • 理解协议最大传输单元(MTU)和TCP 最大报文段长度(MSS)
  • 【ros_humble】3.人脸检测python(服务通讯和参数通讯介绍)
  • jenkins-飞书通知机制
  • mac安装node.js
  • 前端懒加载技术全面解析
  • Yi大模型-零一万物发布的开源大模型
  • [FOC电机控制]霍尔传感器于角度问题
  • Docker容器部署Tomcat线上商城
  • golang的二维数组
  • AI工具在数据质量管理中的应用
  • windows10 ubuntu 24.04 双系统 安装教程
  • Ubuntu和Windows系统Kafka配置方法
  • Linux的软件防火墙iptables
  • 机器翻译实战:使用Gensim训练中英文词向量模型及可视化
  • QML开发:高级布局组件
  • 【Python 语法糖小火锅 · 第 1 涮】
  • 论文阅读 2025-8-3 [FaceXformer, RadGPT , Uni-CoT]
  • 矩阵的条件数 向量的条件数
  • 大疆上云之SRS视频流服务配置
  • “黑影御剑飞行”视频引发的思考
  • 人类语义认知统一模型:融合脑科学与AI的突破