访问官网
Github
Huggingface
文档emotion-english-distilroberta-base项目介绍
emotion-english-distilroberta-base是一个专门用于英文文本情感分类的模型。该模型由Jochen Hartmann开发,能够对英文文本进行情感分析,预测其所属的7种情感类别:愤怒、厌恶、恐惧、喜悦、中性、悲伤和惊讶。这些情感类别基于Ekman的6种基本情感理论,再加上一个中性类别。
模型特点
该模型是在DistilRoBERTa-base的基础上进行微调得到的。它具有以下几个主要特点:
-
训练数据多样化:模型使用了6个不同来源的数据集进行训练,包括Twitter、Reddit、学生自我报告以及电视对话等多种文本类型。
-
数据平衡:使用了平衡的子集进行训练,每种情感有2,811个样本,总计近2万个观测值。
-
性能优异:在评估集上的准确率达到66%,远高于随机猜测的14%基准。
-
轻量级:相比完整版的RoBERTa-large模型,这是一个经过蒸馏的轻量级版本,可以更快速地进行推理。
使用方法
使用该模型进行情感分析非常简单,只需要3行代码即可:
- 首先导入Hugging Face的pipeline工具
- 加载emotion-english-distilroberta-base模型
- 对输入文本进行分类
模型会输出7种情感的概率分布。此外,开发者还提供了Google Colab notebook,可以方便地对多个样本或完整数据集进行批量情感分析。
应用场景
该模型可以广泛应用于各种需要分析文本情感的场景,例如:
- 社交媒体情感监测
- 客户反馈分析
- 对话系统情感识别
- 文学作品情感分析
- 新闻媒体情感趋势研究
科研应用
目前已有多篇学术论文使用了该模型,涉及领域包括:
- 谣言与非谣言推文的心理语言学分析
- 音乐到文本的联觉生成
- 新闻媒体标题的情感纵向分析
这表明该模型在学术研究中也具有广泛的应用前景。
总的来说,emotion-english-distilroberta-base是一个易用、高效、多功能的英文文本情感分析工具,无论是在工业应用还是学术研究中都有很大的价值。
</SOURCE_TEXT>
