詳解在Python中使用Torchmoji將文本轉換為表情符號

更新時間：2020年07月27日 14:19:31 作者：deephub

這篇文章主要介紹了詳解在Python中使用Torchmoji將文本轉換為表情符號，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

很難找到關于如何使用Python使用DeepMoji的教程。我已經(jīng)嘗試了幾次，后來又出現(xiàn)了幾次錯誤，于是決定使用替代版本：torchMoji。

TorchMoji是DeepMoji的pyTorch實現(xiàn)，可以在這里找到：https://github.com/huggingface/torchMoji

事實上，我還沒有找到一個關于如何將文本轉換為表情符號的教程。如果你也沒找到，那么本文就是一個了。

安裝

這些代碼并不完全是我的寫的，源代碼可以在這個鏈接上找到。

pip3 install torch==1.0.1 -f https://download.pytorch.org/whl/cpu/stable 
git clone https://github.com/huggingface/torchMoji
import os
os.chdir('torchMoji')
pip3 install -e .
#if you restart the package, the notebook risks to crash on a loop
#I did not restart and worked fine

該代碼將下載約600 MB的數(shù)據(jù)用于訓練人工智能。我一直在用谷歌Colab。然而，我注意到，當程序要求您重新啟動筆記本進行所需的更改時，它開始在循環(huán)中崩潰并且無法補救。如果你使用的是jupyter notebook或者colab記事本不要重新，不管它的重啟要求就可以了。

python3 scripts/download_weights.py

這個腳本應該下載需要微調(diào)神經(jīng)網(wǎng)絡模型。詢問時，按“是”確認。

設置轉換功能函數(shù)

使用以下函數(shù)，可以輸入文進行轉換，該函數(shù)將輸出最可能的n個表情符號（n將被指定）。

import numpy as np
import emoji, json
from torchmoji.global_variables import PRETRAINED_PATH, VOCAB_PATH
from torchmoji.sentence_tokenizer import SentenceTokenizer
from torchmoji.model_def import torchmoji_emojis
 
EMOJIS = ":joy: :unamused: :weary: :sob: :heart_eyes: :pensive: :ok_hand: :blush: :heart: :smirk: :grin: :notes: :flushed: :100: :sleeping: :relieved: :relaxed: :raised_hands: :two_hearts: :expressionless: :sweat_smile: :pray: :confused: :kissing_heart: :heartbeat: :neutral_face: :information_desk_person: :disappointed: :see_no_evil: :tired_face: :v: :sunglasses: :rage: :thumbsup: :cry: :sleepy: :yum: :triumph: :hand: :mask: :clap: :eyes: :gun: :persevere: :smiling_imp: :sweat: :broken_heart: :yellow_heart: :musical_note: :speak_no_evil: :wink: :skull: :confounded: :smile: :stuck_out_tongue_winking_eye: :angry: :no_good: :muscle: :facepunch: :purple_heart: :sparkling_heart: :blue_heart: :grimacing: :sparkles:".split(' ')
model = torchmoji_emojis(PRETRAINED_PATH)
with open(VOCAB_PATH, 'r') as f:
 vocabulary = json.load(f)
st = SentenceTokenizer(vocabulary, 30)def deepmojify(sentence,top_n =5):
 def top_elements(array, k):
 ind = np.argpartition(array, -k)[-k:]
 return ind[np.argsort(array[ind])][::-1]tokenized, _, _ = st.tokenize_sentences([sentence])
 prob = model(tokenized)[0]
 emoji_ids = top_elements(prob, top_n)
 emojis = map(lambda x: EMOJIS[x], emoji_ids)
 return emoji.emojize(f"{sentence} {' '.join(emojis)}", use_aliases=True)

文本實驗

text = ['I hate coding AI']for _ in text:
 print(deepmojify(_, top_n = 3))

輸出

如您所見，這里給出的是個列表，所以可以添加所需的字符串數(shù)。

原始神經(jīng)網(wǎng)絡

如果你不知道如何編碼，你只想試一試，你可以使用DeepMoji的網(wǎng)站：https://deepmoji.mit.edu/

源代碼應該完全相同，事實上，如果我輸入5個表情符號而不是3個，這就是我代碼中的結果：

輸入列表而不是一句話

在進行情緒分析時，我通常會在Pandas上存儲tweets或評論的數(shù)據(jù)庫，我將使用以下代碼，將字符串列表轉換為Pandas數(shù)據(jù)幀，其中包含指定數(shù)量的emojis。

import pandas as pddef emoji_dataset(list1, n_emoji=3):
 emoji_list = [[x] for x in list1]for _ in range(len(list1)):
 for n_emo in range(1, n_emoji+1):
  emoji_list[_].append(deepmojify(list1[_], top_n = n_emoji)[2*-n_emo+1])emoji_list = pd.DataFrame(emoji_list)
 return emoji_listlist1 = ['Stay safe from the virus', 'Push until you break!', 'If it does not challenge you, it will not change you']

我想估計一下這個字符串列表中最有可能出現(xiàn)的5種表情：