Youtube Xlm Roberta Base Sentiment Multilingual

🚀 微調後的RoBERTa情感分析模型

該模型基於RoBERTa架構，針對YouTube評論數據進行微調，能精準分析評論情感傾向，為視頻推薦、內容分析等應用提供有力支持。

🚀 快速開始

本模型可通過API端點使用，也能使用Hugging Face Transformers庫在本地加載。以下是使用Python的示例代碼：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model_name = "AmaanP314/youtube-xlm-roberta-base-sentiment-multilingual"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Example input
comments = [
    "This video aged like honey.", # Positive
    "This video aged like milk.", # Negative
    "It was just okay." # Neutral
]

inputs = tokenizer(comments, return_tensors="pt", padding=True, truncation=True)
with torch.no_grad():
    outputs = model(**inputs)
predictions = torch.argmax(outputs.logits, dim=1)
label_mapping = {0: "Negative", 1: "Neutral", 2: "Positive"}
sentiments = [label_mapping[p.item()] for p in predictions]
print(sentiments)

✨ 主要特性

• 領域適配性強：基於YouTube評論數據微調，能更好地處理YouTube評論中的獨特語氣、俚語和結構。
• 高精度：在YouTube評論情感分析任務上，準確率達到80.17%。
• 應用廣泛：可用於視頻推薦系統、內容分析儀表盤等需要理解觀眾情感的數據分析任務。

📦 安裝指南

使用該模型前，需安裝Hugging Face Transformers庫，可使用以下命令進行安裝：

pip install transformers torch

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model_name = "AmaanP314/youtube-xlm-roberta-base-sentiment-multilingual"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Example input
comments = [
    "This video aged like honey.", # Positive
    "This video aged like milk.", # Negative
    "It was just okay." # Neutral
]

inputs = tokenizer(comments, return_tensors="pt", padding=True, truncation=True)
with torch.no_grad():
    outputs = model(**inputs)
predictions = torch.argmax(outputs.logits, dim=1)
label_mapping = {0: "Negative", 1: "Neutral", 2: "Positive"}
sentiments = [label_mapping[p.item()] for p in predictions]
print(sentiments)

高級用法

如果你需要處理大量評論數據，可以考慮使用批量處理的方式，以提高效率。以下是一個簡單的示例：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
from tqdm import tqdm

model_name = "AmaanP314/youtube-xlm-roberta-base-sentiment-multilingual"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# 模擬大量評論數據
comments = ["This is a comment."] * 1000

batch_size = 32
sentiments = []
for i in tqdm(range(0, len(comments), batch_size)):
    batch = comments[i:i+batch_size]
    inputs = tokenizer(batch, return_tensors="pt", padding=True, truncation=True)
    with torch.no_grad():
        outputs = model(**inputs)
    predictions = torch.argmax(outputs.logits, dim=1)
    label_mapping = {0: "Negative", 1: "Neutral", 2: "Positive"}
    batch_sentiments = [label_mapping[p.item()] for p in predictions]
    sentiments.extend(batch_sentiments)

print(sentiments)

📚 詳細文檔

模型概述

該模型是cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual模型的微調版本，在自定義的YouTube評論數據集上進行了微調。微調過程旨在提高模型在YouTube評論情感分析任務上的性能，因為YouTube評論在語氣、俚語和結構上與其他社交媒體平臺有所不同。微調後，模型的準確率達到了80.17%。

預期用途

該模型專為YouTube評論情感分析而設計。它接受一個文本輸入列表（評論），併為每條評論返回一個情感標籤：

• 積極
• 中立
• 消極

該模型可用於視頻推薦系統、內容分析儀表盤等需要理解觀眾情感的數據分析任務。

訓練方式

• 基礎模型：cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual
• 數據集：一個包含超過100萬條YouTube評論的自定義數據集，每條評論都標註了三種情感標籤之一（積極、中立、消極）。
• 微調過程：模型的微調過程包括數據清洗和預處理、模型微調、評估和測試。

評估

該模型在一個預留的YouTube評論測試集上進行了評估。與在Twitter數據上微調時約69.3%的基線準確率相比，該模型在這個數據集上的準確率提高到了80.17%。這一改進證明了特定領域微調的優勢。

🔧 技術細節

該模型基於RoBERTa架構，通過在自定義的YouTube評論數據集上進行微調，學習到了YouTube評論中的獨特特徵。在微調過程中，使用了數據清洗和預處理技術，以提高數據質量；同時，採用了評估和測試環節，以確保模型的性能。

📄 許可證

本模型採用CC BY 4.0許可證。

相關信息表格

引用信息

如果你在研究中使用了該模型，請引用原始基礎模型和本項目：

@misc{cardiffnlp,
  title={Twitter-XLM-RoBERTa-Base-Sentiment-Multilingual},
  author={Cardiff NLP},
  year={2020},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual}}
}

@misc{AmaanP314,
  title={Youtube-XLM-RoBERTa-Base-Sentiment-Multilingual},
  author={Amaan Poonawala},
  year={2025},
  howpublished={\url{https://huggingface.co/AmaanP314/youtube-xlm-roberta-base-sentiment-multilingual}}
}