# Message Predict Label ReadMe

## 環境需求

* numpy
* pandas
* pytorch
* jieba
* transformers
* tqdm
* langid
* opencc

## 使用方式

在程式碼中的第 2 格，有五個變數可以自由調整：

* `msg_filename`: 要檢視的訊息檔案（需為 csv 檔，但不用打上副檔名）
* `msg_folder_path`：訊息檔案存放資料夾路徑
* `save_folder_path`：預測結果存訪資料夾路徑
* `zh_model_path`：中文訊息 textcnn model 路徑
* `en_model_path`英文訊息 textcnn model 路徑

    # Path setting
    msg_filename = '2019_Nov_Data'  # please without .csv
    msg_folder_path = 'message/'
    save_folder_path = 'message_predict_result/'
    zh_model_path = 'model/zh_model_201021'
    en_model_path = 'model/en_model_201021'

在程式碼中的第 15 格，`rule` list 變數，可自行新增需要特別偵測的字詞：

rule = ['=', '＝', ' 诚信', '上分', '下分', '上下', '收售', '收红', '卖家', '售币', '服务', '芬微', '買幣', '收幣', '收', '价格', 'coin', 'coins','RM', 'pay', 'account', 'sell', 'buy']

這版的程式碼只檢查中文和英文訊息，若不需要檢查英文訊息，直接將程式碼中的第 19 格（367-449 行）註解掉即可。

這些確認沒問題後，直接執行程式碼即可。

$ python final_version_201021.py

## 結果查看方式

程式完成後會輸出結果存放路徑及檔名：

result save at:  message_predict_result/2019_Nov_Data_201029_2306.csv

## 輸出結果欄位說明


* `Message`：為原來聊天室訊息
* `Language`：由 langid 所判別的訊息語系
* `RuleBase`：自訂的禁詞出現次數統計
* `Account`：偵測到的帳號數量
* `0-6`：六大類單詞次數統計
* `Result`：訊息切詞及預測的詳細結果
* `Ban`：`True` 為需要阻擋的訊息，`False` 為正常的訊息

---
###### tags: `Progress Report`