Youtube Xlm Roberta Base Sentiment Multilingual

🚀 ファインチューニングされたRoBERTa感情分析モデル

このモデルは、YouTubeコメントの感情分析に特化したモデルです。カスタムデータセットでファインチューニングされ、YouTubeコメントの感情分析性能を向上させることを目的としています。

🚀 クイックスタート

このモデルは、YouTubeコメントの感情分析に使用できます。APIエンドポイントを介して使用するか、Hugging Face Transformersライブラリを使用してローカルで読み込むことができます。

✨ 主な機能

• 高精度な感情分析：YouTubeコメントに特化したファインチューニングにより、80.17%の精度を達成しました。
• 多言語対応：XLM-RoBERTaベースモデルを使用しているため、多言語のYouTubeコメントに対応しています。
• 簡単な使用方法：Pythonコードを使用して簡単にモデルを使用することができます。

📦 インストール

このモデルを使用するには、Hugging Face Transformersライブラリをインストールする必要があります。以下のコマンドでインストールできます。

pip install transformers torch

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model_name = "AmaanP314/youtube-xlm-roberta-base-sentiment-multilingual"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Example input
comments = [
    "This video aged like honey.", # Positive
    "This video aged like milk.", # Negative
    "It was just okay." # Neutral
]

inputs = tokenizer(comments, return_tensors="pt", padding=True, truncation=True)
with torch.no_grad():
    outputs = model(**inputs)
predictions = torch.argmax(outputs.logits, dim=1)
label_mapping = {0: "Negative", 1: "Neutral", 2: "Positive"}
sentiments = [label_mapping[p.item()] for p in predictions]
print(sentiments)

📚 ドキュメント

モデル概要

このモデルは、cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual モデルをYouTubeコメントのカスタムデータセットでファインチューニングしたバージョンです。ファインチューニングプロセスは、他のソーシャルメディアプラットフォームとはトーン、スラング、構造が異なることが多いYouTubeコメントの感情分析性能を向上させるように設計されています。ファインチューニング後、モデルは**80.17%**の精度を達成しました。

想定用途

このモデルは、YouTubeコメントの感情分析を目的として設計されています。テキスト入力（コメント）のリストを受け取り、各コメントに対して感情ラベルを返します。

• ポジティブ
• 中立
• ネガティブ

このモデルは、ビデオ推薦システム、コンテンツ分析ダッシュボード、および視聴者の感情を理解することが重要な他のデータ分析タスクなどのアプリケーションで使用できます。

学習方法

• ベースモデル：cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual
• データセット：100万件以上のYouTubeコメントからなるカスタムデータセットで、各コメントには3つの感情ラベル（ポジティブ、中立、ネガティブ）のいずれかが付けられています。
• ファインチューニングプロセス：モデルは以下の手順でファインチューニングされました。
  • データクリーニングと前処理
  • モデルのファインチューニング
  • 評価とテスト

評価

このモデルは、YouTubeコメントのホールドアウトテストセットで評価されました。Twitterデータでファインチューニングした場合のベースライン精度約69.3%から、このデータセットでは**80.17%**に向上しました。この改善は、ドメイン固有のファインチューニングの利点を示しています。

🔧 技術詳細

このモデルは、XLM-RoBERTaベースモデルを使用しています。XLM-RoBERTaは、多言語のテキスト理解に特化したモデルで、大規模な多言語コーパスで事前学習されています。このモデルは、YouTubeコメントの感情分析に特化したファインチューニングを行っています。

📄 ライセンス

このモデルは、CC BY 4.0ライセンスの下で公開されています。

引用

このモデルを研究で使用する場合は、元のベースモデルとこのプロジェクトを引用してください。

@misc{cardiffnlp,
  title={Twitter-XLM-RoBERTa-Base-Sentiment-Multilingual},
  author={Cardiff NLP},
  year={2020},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual}}
}

@misc{AmaanP314,
  title={Youtube-XLM-RoBERTa-Base-Sentiment-Multilingual},
  author={Amaan Poonawala},
  year={2025},
  howpublished={\url{https://huggingface.co/AmaanP314/youtube-xlm-roberta-base-sentiment-multilingual}}
}

情報テーブル