XLM RoBERTa German Sentiment

🚀 XLM-RoBERTa-German-Sentiment

XLM-RoBERTa-German-Sentimentモデルは、8言語、特にドイツ語の感情分析を行うために設計されています。このモデルは、FacebookのRoBERTaが多数のベンチマークでGoogleのBERTを上回る優れた性能を発揮していることに着想を得て、XLM-RoBERTaアーキテクチャを活用しています。XLM-RoBERTaを選択したのは、その多言語対応機能によるものです。特にドイツ語に合わせて調整され、20万以上のドイツ語の感情分析サンプルでファインチューニングされています。モデルの学習に関する詳細は、論文を参照してください。

学習に使用されたデータセットは、このGitHubリポジトリで入手できます。このデータセットはOliver Guhrによって開発され、オープンソースとして公開されています。彼に感謝申し上げます。このデータセットは、モデルの精度とドイツ語の感情のニュアンスへの応答性を向上させる上で重要な役割を果たしました。

当社のモデルとファインチューニングは、[https://arxiv.org/abs/2104.12250]という感情分析モデルであるxlm-tに基づいています。

✨ 主な機能

• 8言語の感情分析を行うことができます。
• 特にドイツ語の感情分析に適しています。
• XLM-RoBERTaアーキテクチャを活用しています。
• 20万以上のドイツ語の感情分析サンプルでファインチューニングされています。

📦 インストール

このモデルを使用するには、Hugging Face TransformersライブラリとPyTorchをインストールする必要があります。pipを使用してインストールできます。

pip install torch transformers

💻 使用例

基本的な使用法

from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch
text = "Erneuter Streik in der S-Bahn"
model = AutoModelForSequenceClassification.from_pretrained('ssary/XLM-RoBERTa-German-sentiment')
tokenizer = AutoTokenizer.from_pretrained('ssary/XLM-RoBERTa-German-sentiment')
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=512)
with torch.no_grad():
    outputs = model(**inputs)
predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
sentiment_classes = ['negative', 'neutral', 'positive']
print(sentiment_classes[predictions.argmax()]) # for the class with highest probability
print(predictions) # for each class probability

📚 ドキュメント

モデルの詳細

謝辞

このモデルは、Martin Steinickeの監督の下、HTW-BerlinのSary Nasserによって開発されました。

参考文献

• モデルのGitHubリポジトリ: https://github.com/ssary/German-Sentiment-Analysis
• Oliver Guhrのデータセット論文: Training a Broad-Coverage German Sentiment Classification Model for Dialog Systems
• モデルアーキテクチャ: XLM-T: Multilingual Language Models in Twitter for Sentiment Analysis and Beyond

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。