Deberta V3 Large Absa V1.1

🚀 DeBERTaによるアスペクトベースの感情分析

このdeberta-v3-large-absaモデルは、アスペクトベースの感情分析用に設計されており、ABSADatasetsの英語データセットを使用して学習されています。このモデルを使用することで、一般的なABSAデータセットでの学習やベンチマークを行うことができます。

🚀 クイックスタート

⚠️ 重要提示

より小さく、性能の良いyangheng/deberta-v3-base-absa-v1.1を使用してください。このモデルは30k以上のABSAサンプルで学習されており、詳細はABSADatasetsを参照してください。ただし、テストセットは事前学習に含まれていないため、Laptop14やRest14データセットなどの一般的なABSAデータセットでの学習やベンチマークに使用できます。（Rest15データセットを除く！）

✨ 主な機能

• アスペクトベースの感情分析に特化したモデル。
• 英語データセットを使用して学習されている。
• 一般的なABSAデータセットでの学習やベンチマークに使用できる。

📦 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利用できます。以下のコードでトークナイザとモデルをロードできます。

from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("yangheng/deberta-v3-large-absa-v1.1")

model = AutoModelForSequenceClassification.from_pretrained("yangheng/deberta-v3-large-absa-v1.1")

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("yangheng/deberta-v3-large-absa-v1.1")

model = AutoModelForSequenceClassification.from_pretrained("yangheng/deberta-v3-large-absa-v1.1")

高度な使用法

PyASBAデータセットでFAST-LCF-BERTを使用する例があります。

📚 ドキュメント

学習モデル

このモデルは、PyABSAのmicrosoft/deberta-v3-largeをベースに、FAST-LCF-BERTモデルを使用して学習されています。最新のモデルを追跡するには、PyASBAを参照してください。

データセット

このモデルは、ABSAデータセットの18万件以上のサンプル（拡張データを含む）で微調整されています。学習データセットのファイルは以下の通りです。

loading: integrated_datasets/apc_datasets/SemEval/laptop14/Laptops_Train.xml.seg
loading: integrated_datasets/apc_datasets/SemEval/restaurant14/Restaurants_Train.xml.seg
loading: integrated_datasets/apc_datasets/SemEval/restaurant16/restaurant_train.raw
loading: integrated_datasets/apc_datasets/ACL_Twitter/acl-14-short-data/train.raw
loading: integrated_datasets/apc_datasets/MAMS/train.xml.dat
loading: integrated_datasets/apc_datasets/Television/Television_Train.xml.seg
loading: integrated_datasets/apc_datasets/TShirt/Menstshirt_Train.xml.seg
loading: integrated_datasets/apc_datasets/Yelp/yelp.train.txt

📄 ライセンス

このモデルはMIT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、以下の論文を引用してください。

@article{YangZMT21,
  author    = {Heng Yang and
               Biqing Zeng and
               Mayi Xu and
               Tianxing Wang},
  title     = {Back to Reality: Leveraging Pattern-driven Modeling to Enable Affordable
               Sentiment Dependency Learning},
  journal   = {CoRR},
  volume    = {abs/2110.08604},
  year      = {2021},
  url       = {https://arxiv.org/abs/2110.08604},
  eprinttype = {arXiv},
  eprint    = {2110.08604},
  timestamp = {Fri, 22 Oct 2021 13:33:09 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2110-08604.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

その他情報