Emoroberta

🚀 感情分析モデル EmoRoBERTa

このプロジェクトは、RoBERTaモデルを用いてRedditコメントの感情分析を行うものです。GoEmotionsデータセットを使用して訓練され、28種類の感情を識別できます。

🚀 クイックスタート

このモデルを使用することで、テキストの感情分析を簡単に行うことができます。以下のコード例を参考に、モデルを使ってみましょう。

✨ 主な機能

• 28種類の感情（賞賛、喜び、怒りなど）を識別できます。
• RoBERTaモデルをベースにしており、高精度な感情分析が可能です。

📦 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 RobertaTokenizerFast, TFRobertaForSequenceClassification, pipeline

tokenizer = RobertaTokenizerFast.from_pretrained("arpanghoshal/EmoRoBERTa")
model = TFRobertaForSequenceClassification.from_pretrained("arpanghoshal/EmoRoBERTa")

emotion = pipeline('sentiment-analysis', 
                    model='arpanghoshal/EmoRoBERTa')

emotion_labels = emotion("Thanks for using it.")
print(emotion_labels)

出力結果

[{'label': 'gratitude', 'score': 0.9964383244514465}]

📚 ドキュメント

何がGoEmotionsですか

GoEmotionsは、58000件のRedditコメントに28種類の感情ラベルを付けたデータセットです。

• 賞賛、喜び、怒り、苛立ち、承認、思いやり、混乱、好奇心、欲求、失望、非難、嫌悪、恥ずかしさ、興奮、恐怖、感謝、悲しみ、喜び、愛、不安、楽観、誇り、気づき、安心、悔い、悲しみ、驚き + 中立

何がRoBERTaですか

RoBERTaはBERTの言語マスキング戦略をベースに構築され、BERTの重要なハイパーパラメータを変更しています。具体的には、BERTの次文予測の事前学習目標を削除し、より大きなミニバッチと学習率で訓練しています。また、RoBERTaはBERTよりも1桁多いデータで、より長い時間訓練されています。これにより、RoBERTaの表現はBERTと比較して下流タスクに対してさらに良く汎化できます。

ハイパーパラメータ

結果

Macro F1の最高結果 - 49.30%

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。

linkedin.com/in/arpanghoshal