Bert Base Multilingual Cased Nsmc

🚀 BERT多語言基礎大小寫模型經NSMC微調

本模型是 bert-base-multilingual-cased 的微調檢查點，在 NSMC（Naver Sentiment Movie Corpus，Naver電影情感語料庫） 上進行了微調。

🚀 快速開始

你可以直接使用此模型進行情感分析：

>>> from transformers import pipeline
>>> classifier = pipeline(
    "sentiment-analysis", model="sangrimlee/bert-base-multilingual-cased-nsmc"
)
>>> classifier("흠...포스터보고 초딩영화줄....오버연기조차 가볍지 않구나.")
>>> classifier("액션이 없는데도 재미 있는 몇안되는 영화")

[{'label': 'negative', 'score': 0.9642567038536072}]
[{'label': 'positive', 'score': 0.9970554113388062}]

💻 使用示例

基礎用法

# 直接使用情感分析管道
from transformers import pipeline
classifier = pipeline(
    "sentiment-analysis", model="sangrimlee/bert-base-multilingual-cased-nsmc"
)
# 對負面評價進行情感分析
classifier("흠...포스터보고 초딩영화줄....오버연기조차 가볍지 않구나.")
# 對正面評價進行情感分析
classifier("액션이 없는데도 재미 있는 몇안되는 영화")

高級用法

# 你可以將該模型集成到更復雜的自然語言處理流程中，例如結合其他文本預處理步驟，或者將其與其他模型進行融合。
from transformers import pipeline
classifier = pipeline(
    "sentiment-analysis", model="sangrimlee/bert-base-multilingual-cased-nsmc"
)
# 模擬更復雜的流程，這裡可以添加更多的文本處理步驟
texts = ["흠...포스터보고 초딩영화줄....오버연기조차 가볍지 않구나.", "액션이 없는데도 재미 있는 몇안되는 영화"]
for text in texts:
    result = classifier(text)
    print(result)