到目前为止，情感分析的模型就已经做完了，跟问题分类的模型一样，我们还需要把这个模型封装成，一个业务方可以直接调用的包，这样，业务方的开发就可以在不懂算法、也不用了解模型细节的情况下，轻松使用我们训练好的模型了。

代码示例

1、创建目录结构 

内容不可见，请联系管理员开通权限。

2、配置项 

内容不可见，请联系管理员开通权限。

3、模型文件 

内容不可见，请联系管理员开通权限。

4、预测函数 

内容不可见，请联系管理员开通权限。

5、调用demo 

内容不可见，请联系管理员开通权限。

6、说明文件 

内容不可见，请联系管理员开通权限。

依赖包没有变化，所以其他文件就暂时不用改了。

到目前为止，我们第二阶段的模型改造就全部讲完了，模型结构都是 Bert+TextCNN，但是能解决很多不同场景的问题，单标签分类、多标签分类、情感分析，很多时候只是叫法不同，其实是同一类问题。

好，我们这一阶段课程就到此结束，后面第三阶段主要是讲解，从只有一个模糊的想法开始，经过爬取数据、数据库设计、模型预测、后端统计、前端显示等一系列流程，把一个想法最终落地到一个可视化应用的过程，这一阶段跟算法本身的关系不大，只需要调用我们前面封装好的模型包就可以了。

另外，提前说明一下，第三阶段的内容会比较综合，需要用到前端、后端、数据库等多个方面的技术。大家如果没有前后端基础，是不建议大家去死磕的，如果大家的目标是算法工程师，看到这一阶段已经完全足够了，没有必要在周边技术上浪费太多时间。

本文链接：http://edu.ichenhua.cn/edu/note/573

版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！