博主介绍：✌全网粉丝10W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战6年之久，选择我们就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

点击查看作者主页，了解更多项目！

🍅感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业 。🍅

1、毕业设计：2025年计算机专业毕业设计选题汇总（建议收藏）✅

2、大数据毕业设计：2025年选题大全 深度学习 python语言 JAVA语言 hadoop和spark（建议收藏）✅

1、项目介绍

技术栈：PaddleHub、Erine-tiny、OCEMOTION、PyQt5、Vue、Element UI、Flask

功能：单条/批量中文文本7情感（愉快、难过、喜欢、愤怒、害怕、惊讶、厌恶）细粒度分类；PyQt5桌面端即时预测；Vue+Flask前后端分离Web部署。

意义：将预训练语言模型与轻量化界面结合，零代码完成情感分析落地，适用于舆情监控、客服质检、课堂情感交互等场景。

2、项目界面

（1）情感分类—愉快

（2）情感分类—惊讶

（3）情感分类—厌恶

（4）QT界面—单条情感分类

（5）QT界面—批量情感分类

（6）QT界面—批量情感分类

（7）QT界面—批量情感分类–输出结果

3、项目说明

本项目基于PaddleHub预训练模型Erine-tiny，在中文7情感数据集OCEMOTION上微调，实现细粒度情感7分类。PyQt5桌面端支持单条/批量文本预测；Web端采用Vue+Element UI前端与Flask+PaddleHub后端，前后端分离部署，接口返回类别与置信度，可嵌入公众号、客服系统等。整体代码开源、环境一键配置，适合毕业设计、情感AI原型快速验证。

4、核心代码（PyQt5批量预测片段）

def batch_predict(self):
    texts = self.plainTextEdit.toPlainText().strip().split('\n')
    if not texts:
        QMessageBox.information(self, "提示", "请输入待预测文本")
        return
    results = []
    for txt in texts:
        if not txt:
            continue
        pred = self.module.predict([txt], max_seq_len=128)
        label = pred[0]['predictions'][0]['label']
        results.append(f"{txt}  -->  {label}")
    self.textEdit_result.setPlainText('\n'.join(results))

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，下方查看👇🏻获取联系方式👇🏻