Deberta V3 Base Absa V1.1

🚀 [PyABSAによるアスペクトベースの感情分析モデル]

このモデルは、Aspect-based Sentiment Analysis (ABSA) のためのオープンソースツールである PyABSA を使用して開発されています。30k以上のABSAサンプルで学習され、一般的なABSAデータセットでのトレーニングとベンチマークに利用できます。

🚀 クイックスタート

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。テストセットは事前学習に含まれていないため、Laptop14やRest14などの一般的なABSAデータセットでのトレーニングやベンチマークに使用できます。（Rest15データセットを除く！）

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification

# Load the ABSA model and tokenizer
model_name = "yangheng/deberta-v3-base-absa-v1.1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

classifier = pipeline("text-classification", model=model, tokenizer=tokenizer)

for aspect in ['camera', 'phone']:
   print(aspect, classifier('The camera quality of this phone is amazing.',  text_pair=aspect))

✨ 主な機能

deberta-v3-base-absa モデルは、ABSADatasets の英語データセットを使用して、アスペクトベースの感情分析用に学習されています。

🔧 技術詳細

このモデルは、PyABSA の microsoft/deberta-v3-base をベースにした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。

PyASBAでの使用例

PyASBA でFAST-LCF-BERTを使用する 例 があります。

📦 インストール

このセクションでは、READMEにインストール手順が記載されていないため、省略されています。

📚 ドキュメント

このモデルは、ABSAデータセットの180kの例（拡張データを含む）で微調整されています。トレーニング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

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。

@inproceedings{DBLP:conf/cikm/0008ZL23,
  author       = {Heng Yang and
                  Chen Zhang and
                  Ke Li},
  editor       = {Ingo Frommholz and
                  Frank Hopfgartner and
                  Mark Lee and
                  Michael Oakes and
                  Mounia Lalmas and
                  Min Zhang and
                  Rodrygo L. T. Santos},
  title        = {PyABSA: {A} Modularized Framework for Reproducible Aspect-based Sentiment
                  Analysis},
  booktitle    = {Proceedings of the 32nd {ACM} International Conference on Information
                  and Knowledge Management, {CIKM} 2023, Birmingham, United Kingdom,
                  October 21-25, 2023},
  pages        = {5117--5122},
  publisher    = {{ACM}},
  year         = {2023},
  url          = {https://doi.org/10.1145/3583780.3614752},
  doi          = {10.1145/3583780.3614752},
  timestamp    = {Thu, 23 Nov 2023 13:25:05 +0100},
  biburl       = {https://dblp.org/rec/conf/cikm/0008ZL23.bib},
  bibsource    = {dblp computer science bibliography, https://dblp.org}
}
@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}
}

📄 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。

情報テーブル

| 属性 | 详情 |
|------|------|
| モデルタイプ | アスペクトベースの感情分析モデル |
| トレーニングデータ | Laptop14、Restaurant14、Restaurant16、ACL-Twitter、MAMS、Television、TShirt、Yelp |
| 評価指標 | 正解率、マクロF1値 |