今天一樣會從Google Colab上實作
這次內容是請LangChain架構幫忙識別句子情感為正面或負面，並給出一個分析分數。
由於內容實在很不專業，若有錯誤還望多多包涵🙏

步驟一:
安裝LangChain和transformers套件

!pip install langchain
!pip install openai
!pip install transformers

步驟二:

# 定義情感分析模型
sentiment_analyzer = pipeline("sentiment-analysis")

# 翻譯文本的函數，返回字典
def translate_text(inputs):
    text = inputs["input"]
    translated = translator(text)[0]['translation_text']
    return {"input": translated}

# 分析情感的函數，返回字典
def analyze_sentiment(inputs):
    translated_text = inputs["input"]
    sentiment = sentiment_analyzer(translated_text)
    return {"result": sentiment}

# 將翻譯函數包裝成 TransformChain
translation_chain = TransformChain(
    input_variables=["input"],  # 使用 'input' 作為鍵名
    output_variables=["input"],  # 翻譯後的文本也將使用 'input' 鍵名
    transform=translate_text
)

# 將情感分析函數包裝成 TransformChain
sentiment_chain = TransformChain(
    input_variables=["input"],  # 接收翻譯後的文本
    output_variables=["result"],  # 輸出情感分析結果
    transform=analyze_sentiment
)

# 創建 SimpleSequentialChain
sequential_chain = SimpleSequentialChain(
    chains=[translation_chain, sentiment_chain]
)

# 輸入文本
text = "I love studying medical informatics."

# 執行整個流程
result = sequential_chain.run({"input": text})  # 使用 'input' 作為輸入鍵

# 輸出結果
print(result)

這是情感分析的結果，表示輸入文本被識別為“正面”（POSITIVE），且其信心分數為約 0.92（92%），這意味著模型對這一判斷的信心相當高。

還記得上次學習Trandsformers架構，因此利用CharGPT幫我統整LangChain架構與Transformers模型在使用上的比較~

以下是關於 LangChain 和 Transformers 在應用中的差異對比表：