Distilbert Base Turkish Cased Emotion

🚀 distilbert-base-turkish-cased-emotion

このモデルは、感情分析に特化したテキスト分類モデルです。Distilbert-base-turkish-casedを感情データセットで微調整しており、高い精度で感情を分類することができます。

🚀 クイックスタート

このセクションでは、モデルの概要、性能比較、使用方法、データセット、評価結果について説明します。

✨ 主な機能

• テキスト分類による感情分析
• 高い精度とF1スコア

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

from transformers import pipeline
classifier = pipeline("text-classification",
                       model='zafercavdar/distilbert-base-turkish-cased-emotion',
                       return_all_scores=True)
prediction = classifier("Bu kütüphaneyi seviyorum, en iyi yanı kolay kullanımı.", )
print(prediction)

"""
Output:
[
  [
    {'label': 'sadness', 'score': 0.0026786490343511105},
    {'label': 'joy', 'score': 0.6600754261016846},
    {'label': 'love', 'score': 0.3203163146972656},
    {'label': 'anger', 'score': 0.004358913749456406},
    {'label': 'fear', 'score': 0.002354539930820465},
    {'label': 'surprise', 'score': 0.010216088965535164}
  ]
]

"""

📚 ドキュメント

モデルの説明

Distilbert-base-turkish-casedを、Google翻訳APIを使ってトルコ語に翻訳した感情データセットで、HuggingFace Trainerを用いて以下のハイパーパラメータで微調整しました。

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

モデル性能比較

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を使用しています。

評価結果

{
 'eval_accuracy': 0.8325,
 'eval_f1': 0.8317301441160213,
 'eval_loss': 0.5021793842315674,
 'eval_runtime': 8.6167,
 'eval_samples_per_second': 232.108,
 'eval_steps_per_second': 3.714
}

🔧 技術詳細

このモデルは、トルコ語の感情分析に特化しています。Distilbert-base-turkish-casedをベースに、感情データセットで微調整することで、高い性能を発揮します。

📄 ライセンス

このモデルのライセンス情報は、元のREADMEに記載されていないため、提供できません。