本文将从零开始，详细讲解如何使用循环神经网络（GRU）实现文本情感分类。我们将基于 PyTorch 从头构建一个模型，并应用于情感分析任务。内容涵盖数据预处理、构建词汇表、分词器、模型搭建与训练，最终完成情感分类性能的评估。

1. 效果演示

在左侧输入评论，在右侧输出模型预测的情感标签：好评、差评。

2. 环境准备

conda create -n sentiment-env python=3.10

pip install jieba -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install torch --index-url https://download.pytorch.org/whl/cu126
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple/


pip install matplotlib==3.7.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install numpy==1.26.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/

pip install gradio -i https://pypi.tuna.tsinghua.edu.cn/simple/

数据集：https://huggingface.co/datasets/dirtycomputer/weibo_senti_100k

3. 内容介绍

整个课程我们先了解下，将一个文本预测为一个标签的基本流程，然后我们再去介绍各个组件的作用。