3行のコードで文章分類が判別できる

pipeline

Transformersのpipelineを利用して、わずか数行のコードで NLP タスクを実装できる。
今回はとりあえず文章分類タスクの英語版・日本語版を試した内容を記載します。

嬉しいこと

最短3行のコードで事前学習済みモデルを利用できる。

利用条件

タスク名を指定するだけで簡単にタスクの実行が可能です。

実際に試した

１．英語版の文章分類タスク

from transformers import *
sample_sentence_classif=pipeline("sentiment-analysis")

sentences=["I like this movie.", "This movie is so boring"]

#感情分析の実行
results = sample_sentence_classif(sentences)
for result in results:
  print(f"label:{result['label']}, score:{round(result['score'],4)}")

二つ文章の予測結果は↓、正しいラベルが予測できました。

実行結果

label:POSITIVE, score:0.9999
label:NEGATIVE, score:0.9998

2．日本語版の文章分類タスク

from transformers import pipeline, AutoModelForSequenceClassification, BertJapaneseTokenizer

jp_model = AutoModelForSequenceClassification.from_pretrained('daigo/bert-base-japanese-sentiment') 
jp_tokenizer = BertJapaneseTokenizer.from_pretrained('cl-tohoku/bert-base-japanese-whole-word-masking')
jp_sentence_classif = pipeline("sentiment-analysis",model=jp_model,tokenizer=jp_tokenizer)

#感情分析の実行
sentences=["この犬はかわいい", "その本は退屈だ"]

results = jp_sentence_classif(sentences)
for result in results:
  print(f"label:{result['label']}, score:{round(result['score'],4)}")

二つ文章の予測結果は↓ 、正しいラベルが予測できました。

実行結果

label:ポジティブ, score:0.9919
label:ネガティブ, score:0.9831

感想

非常に利用しやすい印象です！

参考記事