如何调用 AI 接口做文本分类 / 情感分析？|情感分析 + 文本分类两套完整代码。要全套可直接运行的完整代码包

m0_71625500

237人浏览 · 2026-04-16 11:11:53

m0_71625500 · 2026-04-16 11:11:53 发布

如何调用 AI 接口做【文本分类 + 情感分析】不用懂模型、不用训练，复制代码就能跑。

一、最简单理解（必看）

文本分类：给一段文字，自动打上标签例如：好评 / 差评、体育 / 娱乐 / 科技、正面 / 负面 / 中性
情感分析：判断情绪正面、负面、中性、愤怒、开心、失望等

AI 接口 = 别人训练好的超级大脑，你发文字过去，它直接返回结果。

二、最常用接口（免费 / 简单）

以 百度 AI、讯飞、阿里云、DeepSeek、豆包 API 为例，逻辑完全一样。

通用调用流程（永远不变）

去平台注册 → 创建应用 → 拿到 API Key + Secret Key
通过 HTTP 请求 把文本发给 AI
AI 返回 JSON：标签、置信度、情感

三、最简单实战：Python 调用 AI 做情感分析（复制即可）

我以百度智能云情感倾向分析为例（免费额度很高，适合学习）。

步骤 1：安装包

bash

运行

pip install requests

步骤 2：代码（直接改 Key 就能用）

python

运行

import requests

# 1. 获取token（百度固定格式）
API_KEY = "你自己的API_KEY"
SECRET_KEY = "你自己的SECRET_KEY"

def get_token():
    url = "https://aip.baidubce.com/oauth/2.0/token"
    data = {
        "grant_type": "client_credentials",
        "client_id": API_KEY,
        "client_secret": SECRET_KEY
    }
    return requests.post(url, data=data).json()["access_token"]

# 2. 情感分析接口
def sentiment(text):
    token = get_token()
    url = f"https://aip.baidubce.com/rpc/2.0/nlp/v1/sentiment_classify?access_token={token}"
    data = {"text": text}
    result = requests.post(url, json=data).json()
    
    # 解析情感
    item = result["items"][0]
    sentiment = item["sentiment"]  # 0:负向 1:中性 2:正向
    confidence = item["confidence"]
    
    label = "负面" if sentiment==0 else "中性" if sentiment==1 else "正面"
    return {"情感": label, "置信度": confidence}

# 测试
print(sentiment("这个产品太差了，经常卡死，很失望"))
print(sentiment("非常好用，速度快，服务好！"))

返回结果示例

plaintext

{'情感': '负面', '置信度': 0.98}
{'情感': '正面', '置信度': 0.99}

四、文本分类（自定义标签）

如果你想自己定义标签，比如：体育、财经、娱乐、健康、教育

用通用大模型接口（豆包、DeepSeek、GPT） 最方便。

示例（给大模型发指令，让它分类）

python

运行

def text_classify(text):
    prompt = f"""
请对下面文本分类，只能从以下类别选择：
体育、财经、娱乐、健康、教育

文本：{text}
只输出类别，不要解释。
"""
    # 调用大模型接口返回结果即可

大模型 = 万能分类器，不需要训练，改 prompt 就行。

五、超简总结（零基础必背）

什么是文本分类？

给文字打标签。

什么是情感分析？

判断正面 / 负面 / 中性。

怎么实现？

调用现成 AI 接口（最简单）
发文本 → 接收结果
不用训练、不用算法、不用数学

核心一句话

AI 接口 = 即用型文本分类 / 情感分析工具，Python 几行代码调用。

🔥 零基础直接运行！3 大平台 AI 接口全套代码（情感分析 + 文本分类）

我给你纯小白版、无复杂配置、复制即用、带详细注释一共 2 个功能（情感分析 / 文本分类） + 3 个平台（百度 / 讯飞 / DeepSeek）全部可直接运行，只需要你填自己的 KEY

📦 先安装依赖（一行命令）

bash

运行

pip install requests

一、百度 AI（最稳定、免费额度高）

1. 情感分析

python

运行

import requests

# ========== 你只需要改这里 ==========
API_KEY = "你的API_KEY"
SECRET_KEY = "你的SECRET_KEY"

def get_access_token():
    url = "https://aip.baidubce.com/oauth/2.0/token"
    data = {
        "grant_type": "client_credentials",
        "client_id": API_KEY,
        "client_secret": SECRET_KEY
    }
    return requests.post(url, data=data).json()["access_token"]

def baidu_sentiment_analysis(text):
    token = get_access_token()
    url = f"https://aip.baidubce.com/rpc/2.0/nlp/v1/sentiment_classify?access_token={token}"
    data = {"text": text}
    res = requests.post(url, json=data).json()
    
    item = res["items"][0]
    sentiment = item["sentiment"]  # 0负面 1中性 2正面
    label = "负面" if sentiment == 0 else "中性" if sentiment == 1 else "正面"
    return {"情感": label, "置信度": item["confidence"]}

# 测试
if __name__ == "__main__":
    print(baidu_sentiment_analysis("这个产品太差劲了！"))

2. 文本分类

python

运行

def baidu_text_classify(text):
    token = get_access_token()
    url = f"https://aip.baidubce.com/rpc/2.0/nlp/v1/topic?access_token={token}"
    data = {"title": "分类", "content": text}
    res = requests.post(url, json=data).json()
    return res

# 测试
if __name__ == "__main__":
    print(baidu_text_classify("中国女排夺冠！"))

二、讯飞星火 AI（免费额度高）

1. 情感分析

python

运行

import requests
import json
import time

# ========== 你只需要改这里 ==========
APP_ID = "你的APPID"
API_KEY = "你的API_KEY"
SECRET_KEY = "你的SECRET_KEY"

def xf_sentiment_analysis(text):
    url = "https://ltpapi.xfyun.cn/v1/sentiment"
    body = {
        "text": text,
        "appid": APP_ID,
        "timestamp": int(time.time())
    }
    headers = {"Content-Type": "application/x-www-form-urlencoded"}
    res = requests.post(url, data=body, headers=headers, auth=(API_KEY, SECRET_KEY))
    return res.json()

# 测试
if __name__ == "__main__":
    print(xf_sentiment_analysis("服务态度很好，非常满意！"))

2. 文本分类

python

运行

def xf_text_classify(text):
    url = "https://ltpapi.xfyun.cn/v1/topic"
    body = {
        "text": text,
        "appid": APP_ID,
        "timestamp": int(time.time())
    }
    headers = {"Content-Type": "application/x-www-form-urlencoded"}
    res = requests.post(url, data=body, headers=headers, auth=(API_KEY, SECRET_KEY))
    return res.json()

# 测试
if __name__ == "__main__":
    print(xf_text_classify("A股今天大涨"))

三、DeepSeek（大模型万能分类器）

1. 情感分析

python

运行

import requests

# ========== 你只需要改这里 ==========
API_KEY = "你的DEEPSEEK_API_KEY"

def deepseek_sentiment(text):
    prompt = f"判断情感：正面/负面/中性。文本：{text}。只输出结果。"
    
    url = "https://api.deepseek.com/v1/chat/completions"
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
    data = {
        "model": "deepseek-chat",
        "messages": [{"role": "user", "content": prompt}],
        "temperature": 0
    }
    res = requests.post(url, headers=headers, json=data).json()
    return res["choices"][0]["message"]["content"]

# 测试
if __name__ == "__main__":
    print(deepseek_sentiment("太差了，再也不买了"))

2. 文本分类（自定义标签）

python

运行

def deepseek_classify(text):
    prompt = """
请对以下文本分类，只能从以下类别选择：
体育、财经、娱乐、健康、教育

文本：{}
只输出类别，不要解释。
""".format(text)

    url = "https://api.deepseek.com/v1/chat/completions"
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
    data = {
        "model": "deepseek-chat",
        "messages": [{"role": "user", "content": prompt}],
        "temperature": 0
    }
    res = requests.post(url, headers=headers, json=data).json()
    return res["choices"][0]["message"]["content"]

# 测试
if __name__ == "__main__":
    print(deepseek_classify("明星发布新歌"))