Roberta Base Emotion

🚀 robert-base-emotion

本項目基於roberta-base模型在情感數據集上微調，用於文本情感分類，具有較高的準確率和F1分數。

🚀 快速開始

模型描述

roberta 是對Bert進行了更好的超參數選擇，因此在預訓練期間被稱為“魯棒優化的Bert”。

roberta-base 在情感數據集上使用HuggingFace的Trainer進行了微調，使用的超參數如下：

學習率 2e-5，
批量大小 64，
訓練輪數 8

模型性能對比

以下是不同模型在Twitter情感數據集上的性能對比：

💻 使用示例

基礎用法

from transformers import pipeline
classifier = pipeline("text-classification",model='bhadresh-savani/roberta-base-emotion', return_all_scores=True)
prediction = classifier("I love using transformers. The best part is wide range of support and its easy to use", )
print(prediction)

"""
輸出:
[[
{'label': 'sadness', 'score': 0.002281982684507966}, 
{'label': 'joy', 'score': 0.9726489186286926}, 
{'label': 'love', 'score': 0.021365027874708176}, 
{'label': 'anger', 'score': 0.0026395076420158148}, 
{'label': 'fear', 'score': 0.0007162453257478774}, 
{'label': 'surprise', 'score': 0.0003483477921690792}
]]
"""

📚 詳細文檔

數據集

使用的數據集為 Twitter-Sentiment-Analysis。

訓練過程

可以參考 Colab Notebook，將模型名稱改為roberta即可。

評估結果

{
 'test_accuracy': 0.9395,
 'test_f1': 0.9397328860104454,
 'test_loss': 0.14367154240608215,
 'test_runtime': 10.2229,
 'test_samples_per_second': 195.639,
 'test_steps_per_second': 3.13
 }

參考資料

• Natural Language Processing with Transformer By Lewis Tunstall, Leandro von Werra, Thomas Wolf

📄 許可證

本項目採用Apache-2.0許可證。