update visualization function (#4282)

1. Upgrade the visualization function to support more flexible processing of sentiment analysis results processed by different schemas
2. Improve sentiment analysis and pipeline readme

Author: 1649759610

applications/sentiment_analysis/unified_sentiment_extraction/README.md

@@ -354,11 +354,7 @@ python batch_predict.py \
 
 #### **4.2.3 情感分析可视化**
 
-在情感分析处理之后，可以根据情感分析的保存结果进行可视化展示，帮助用户更友好地分析业务特点。默认情况下，可视化功能支持围绕属性、观点、属性+观点、属性+情感、指定属性+观点分析功能。在各项分析中，均支持词云和直方图两类图像展示。特别说明的是，当前只支持如下schema分析后的数据，后续将支持自定义不同分析类型的可视化。
-
-```python
-schema = [{'评价维度': ['观点词', '情感倾向[正向,负向,未提及]']}]
-```
+在情感分析处理之后，可以根据情感分析的保存结果进行可视化展示，帮助用户更友好地分析业务特点。默认情况下，可视化功能支持围绕属性、观点、属性+观点、属性+情感、指定属性+观点分析功能。在各项分析中，均支持词云和直方图两类图像展示。
 
 下面将以酒店场景数据为例进行展示。
 
@@ -374,11 +370,13 @@ python visual_analysis.py \
     --save_dir "./outputs/images"
 ```
 
-参数说明：
-- file_path: 指定情感分析结果的保存路径。
-- save_dir: 指定图片的保存目录。
-- font_path: 指定字体文件的路径，用以在生成的wordcloud图片中辅助显示中文，如果为空，则会自动下载黑体字，用以展示中文字体。
-- sentiment_name: 情感分析的Prompt文本，默认为"情感倾向[正向,负向,未提及]"。
+可配置参数说明：
+- ``file_path``: 指定情感分析结果的保存路径。
+- ``save_dir``: 指定图片的保存目录。
+- ``font_path``: 指定字体文件的路径，用以在生成的wordcloud图片中辅助显示中文，如果为空，则会自动下载黑体字，用以展示中文字体。
+- ``aspect_prompt``: 属性的Prompt文本，默认为`评价维度`。
+- ``opinion_prompt``: 观点词的Prompt文本，默认为`观点词`。
+- ``sentiment_prompt``: 情感分类的Prompt文本，当对属性进行情感分类时，应设置为`情感倾向[正向,负向,未提及]`, 当进行语句级情感分类时，应该设置为`情感倾向[正向,负向]`。
 
 下图展示了对酒店场景数据分析后的部分图片：
 
@@ -658,18 +656,18 @@ python -u -m paddle.distributed.launch --gpus "0" finetune.py \
 
 可配置参数说明：
 
-* `train_path`：必须，训练集文件路径。
-* `dev_path`：必须，验证集文件路径。
-* `save_dir`：模型 checkpoints 的保存目录，默认为"./checkpoint"。
-* `learning_rate`：训练最大学习率，UIE 推荐设置为 1e-5；默认值为1e-5。
-* `batch_size`：训练集训练过程批处理大小，请结合显存情况进行调整，若出现显存不足，请适当调低这一参数；默认为 16。
-* `max_seq_len`：模型支持处理的最大序列长度，默认为512。
-* `num_epochs`：模型训练的轮次，可以视任务情况进行调整，默认为10。
-* `model`：训练使用的预训练模型。可选择的有`uie-senta-base`, `uie-senta-medium`, `uie-senta-mini`, `uie-senta-micro`, `uie-senta-nano`，默认为`uie-senta-base`。
-* `logging_steps`: 训练过程中日志打印的间隔 steps 数，默认10。
-* `valid_steps`: 训练过程中模型评估的间隔 steps 数，默认100。
-* `seed`：全局随机种子，默认为 42。
-* `device`: 训练设备，可选择 'cpu'、'gpu' 其中的一种；默认为 GPU 训练。
+* ``train_path``：必须，训练集文件路径。
+* ``dev_path``：必须，验证集文件路径。
+* ``save_dir``：模型 checkpoints 的保存目录，默认为"./checkpoint"。
+* ``learning_rate``：训练最大学习率，UIE 推荐设置为 1e-5；默认值为1e-5。
+* ``batch_size``：训练集训练过程批处理大小，请结合显存情况进行调整，若出现显存不足，请适当调低这一参数；默认为 16。
+* ``max_seq_len``：模型支持处理的最大序列长度，默认为512。
+* ``num_epochs``：模型训练的轮次，可以视任务情况进行调整，默认为10。
+* ``model``：训练使用的预训练模型。可选择的有`uie-senta-base`, `uie-senta-medium`, `uie-senta-mini`, `uie-senta-micro`, `uie-senta-nano`，默认为`uie-senta-base`。
+* ``logging_steps``: 训练过程中日志打印的间隔 steps 数，默认10。
+* ``valid_steps``: 训练过程中模型评估的间隔 steps 数，默认100。
+* ``seed``：全局随机种子，默认为 42。
+* ``device``: 训练设备，可选择 'cpu'、'gpu' 其中的一种；默认为 GPU 训练。
 
 <a name="5.3"></a>
 
@@ -686,11 +684,11 @@ python evaluate.py \
 
 可配置参数说明：
 
-* `model_path`：必须，进行评估的模型文件夹路径，路径下需包含模型权重文件model_state.pdparams及配置文件model_config.json。
-* `test_path`：必须，进行评估的测试集文件。
-* `batch_size`：训练集训练过程批处理大小，请结合显存情况进行调整，若出现显存不足，请适当调低这一参数；默认为 16。
-* `max_seq_len`：文本最大切分长度，输入超过最大长度时会对输入文本进行自动切分，默认为512。
-* `debug`： 是否开启debug模式对每个正例类别分别进行评估，该模式仅用于模型调试，默认关闭。
+* ``model_path``：必须，进行评估的模型文件夹路径，路径下需包含模型权重文件model_state.pdparams及配置文件model_config.json。
+* ``test_path``：必须，进行评估的测试集文件。
+* ``batch_size``：训练集训练过程批处理大小，请结合显存情况进行调整，若出现显存不足，请适当调低这一参数；默认为 16。
+* ``max_seq_len``：文本最大切分长度，输入超过最大长度时会对输入文本进行自动切分，默认为512。
+* ``debug``： 是否开启debug模式对每个正例类别分别进行评估，该模式仅用于模型调试，默认关闭。
 
 在构造样本过程中，如果设置了最大负例比例negative_ratio，会在样本中添加一定数量的负样本，模型测试默认会对正样本和负样本共同进行评估。特别地，当开启debug模式后，会对每个正例类别分别进行评估，该模式仅用于模型调试：
 ```

applications/sentiment_analysis/unified_sentiment_extraction/batch_predict.py

@@ -13,15 +13,13 @@
 # limitations under the License.
 
 import argparse
-import logging
 import os
 import time
 
 from utils import load_txt, write_json_file
 
 from paddlenlp import Taskflow
-
-logger = logging.getLogger(__file__)
+from paddlenlp.utils.log import logger
 
 
 def main(args):