Albert Base V2 Emotion

🚀 Albert-base-v2-emotion

「Albert-base-v2-emotion」は、感情分析タスクに特化したモデルです。Albertアーキテクチャをベースに、感情データセットでファインチューニングされています。

🚀 クイックスタート

このモデルは、テキストの感情分類に使用できます。以下のコード例を参考に、モデルを使ってみましょう。

from transformers import pipeline
classifier = pipeline("text-classification",model='bhadresh-savani/albert-base-v2-emotion', return_all_scores=True)
prediction = classifier("I love using transformers. The best part is wide range of support and its easy to use", )
print(prediction)

"""
Output:
[[
{'label': 'sadness', 'score': 0.010403595864772797}, 
{'label': 'joy', 'score': 0.8902180790901184}, 
{'label': 'love', 'score': 0.042532723397016525}, 
{'label': 'anger', 'score': 0.041297927498817444}, 
{'label': 'fear', 'score': 0.011772023513913155}, 
{'label': 'surprise', 'score': 0.0037756056990474463}
]]
"""

✨ 主な機能

• テキスト分類タスクに特化したモデルで、感情分析に適しています。
• Albertアーキテクチャを使用しており、パラメータ数が少なく、効率的です。

📦 インストール

このモデルはHugging FaceのTransformersライブラリを使用しています。以下のコマンドでライブラリをインストールできます。

pip install transformers

📚 ドキュメント

モデルの説明

Albert は、従来のBERTアーキテクチャよりも大幅に少ないパラメータを持つA Lite BERTアーキテクチャです。

Albert-base-v2 は、以下のハイパーパラメータを使用して、HuggingFaceのTrainerで感情データセット上でファインチューニングされています。

 learning rate 2e-5, 
 batch size 64,
 num_train_epochs=8,

モデルの性能比較

Twitterの感情データセットにおけるモデルの性能比較は以下の通りです。

データセット

Twitter-Sentiment-Analysis データセットを使用しています。

学習手順

学習手順については、Colab Notebook を参照してください。

評価結果

{
'test_accuracy': 0.936,
 'test_f1': 0.9365658988006296,
 'test_loss': 0.15278364717960358,
 'test_runtime': 10.9413,
 'test_samples_per_second': 182.794,
 'test_steps_per_second': 2.925
 }

参考文献

• Natural Language Processing with Transformer By Lewis Tunstall, Leandro von Werra, Thomas Wolf

📄 ライセンス

このモデルはApache-2.0ライセンスの下で公開されています。