Emotion RoBERTa Pooled V4

🚀 感情分類用の多言語ファインチューニングRoBERTaモデル

このモデルは、ハンガリー語、スロバキア語、ポーランド語、チェコ語の感情分類タスクに特化した、RoBERTaモデルの多言語ファインチューニング版です。テキストデータを6つの感情カテゴリ（怒り、恐怖、嫌悪、悲しみ、喜び、それ以外）に分類するように訓練されています。

✨ 主な機能

このモデルは、ハンガリー語、スロバキア語、ポーランド語、チェコ語を含む複数言語のテキストデータを感情カテゴリに分類することを目的としています。センチメント分析、ソーシャルメディアモニタリング、顧客フィードバック分析などのアプリケーションで使用できます。与えられたテキストの支配的な感情を6つの事前定義されたカテゴリの中から予測します。

📚 ドキュメント

モデルの詳細

このモデルは、RoBERTaモデルの多言語ファインチューニング版で、ハンガリー語、スロバキア語、ポーランド語、チェコ語の感情分類タスクに特化しています。モデルは、テキストデータを6つの感情カテゴリ（怒り、恐怖、嫌悪、悲しみ、喜び、それ以外）に分類するように訓練されています。

想定される使用方法

このモデルは、ハンガリー語、スロバキア語、ポーランド語、チェコ語を含む複数言語のテキストデータを感情カテゴリに分類することを目的としています。センチメント分析、ソーシャルメディアモニタリング、顧客フィードバック分析などのアプリケーションで使用できます。与えられたテキストの支配的な感情を6つの事前定義されたカテゴリの中から予測します。

評価指標

全体的な性能

• 正解率: 0.84
• マクロ平均適合率: 0.86
• マクロ平均再現率: 0.86
• マクロ平均F1スコア: 0.86

クラス別の性能

このモデルは、さまざまな感情カテゴリで強い性能を発揮しています。特に、恐怖、嫌悪、喜びのカテゴリでは、高い適合率、再現率、F1スコアを達成しています。怒りとそれ以外のカテゴリでは、やや性能が低いものの、十分な精度を達成しています。

制限事項

• 文脈依存性: このモデルは、深い文脈理解を必要とする感情の認識に苦労する可能性があります。
• クラス不均衡: 「それ以外」のカテゴリでのモデルの性能は、より均衡の取れたデータセットでのさらなる訓練によって精度を向上させることができることを示唆しています。
• 汎化能力: モデルの性能は、テキストのドメイン、言語スタイル、長さによって異なる可能性があります。特に、異なる言語間での性能のばらつきが大きい場合があります。

💻 使用例

基本的な使用法

from transformers import pipeline

# Load the fine-tuned model
classifier = pipeline("text-classification", model="visegradmedia-emotion/Emotion_RoBERTa_pooled_V4")

# Example usage
result = classifier("Nagyon örömtelinek érzem magam ma!")
print(result)

📄 ライセンス

このモデルはMITライセンスの下で提供されています。