Ararest Arabic Restaurant Reviews Sentiment Analysis

🚀 🍽️ 阿拉伯餐廳評論情感分析

本項目基於微調的AraBERT模型，能夠對阿拉伯語餐廳評論進行分類，判斷其情感傾向為積極或消極。該模型以aubmindlab/bert - base - arabertv2為基礎，使用Hugging Face Transformers進行微調。

📦 模型信息

✨ 主要特性

• 基於真實餐廳評論訓練：使用Hugging Face數據集裡的真實餐廳評論進行訓練。
• 全量訓練微調：採用全量訓練進行微調，而非LoRA或適配器。
• 數據集均衡：數據集包含2418條積極評論和2418條消極評論，分佈均衡。
• 高準確率和性能：在阿拉伯語情感分析任務中表現出較高的準確率和性能。

🚀 快速開始

你可以直接在Hugging Face Space上運行推理：

📦 安裝指南

文檔未提供安裝步驟，暫不展示。

💻 使用示例

基礎用法

from transformers import pipeline

model_name = "Abduuu/ArabReview-Sentiment"
sentiment_pipeline = pipeline("text-classification", model=model_name)

review = "الطعام كان رائعًا والخدمة ممتازة!"
result = sentiment_pipeline(review)
print(result)

✅ 示例輸出：

[{'label': 'Positive', 'score': 0.91551274061203}]

📚 詳細文檔

📥 數據集與預處理

• 數據集來源：hadyelsahar/ar_res_reviews
• 文本清洗：
  • 去除非阿拉伯語文本、特殊字符和多餘空格。
  • 對阿拉伯字符進行歸一化處理（إ, أ, آ → ا，ة → ه）。
  • 平衡積極和消極情感的分佈。
• 分詞處理：使用AraBERT分詞器（aubmindlab/bert-base-arabertv2）。
• 訓練集-測試集劃分：80%用於訓練，20%用於測試。

🏋️ 訓練與性能

模型使用Hugging Face Transformers進行微調，以下是超參數配置：

📊 最終模型結果

⚙️ 訓練配置

training_args = TrainingArguments(
    output_dir="./results",
    evaluation_strategy="epoch",
    save_strategy="epoch",
    per_device_train_batch_size=8,
    per_device_eval_batch_size=8,
    num_train_epochs=4,
    weight_decay=1,
    learning_rate=1e-5,
    lr_scheduler_type="cosine",
    warmup_ratio=0.1,
    fp16=True,
    save_total_limit=2,
    gradient_accumulation_steps=2,
    load_best_model_at_end=True,
    max_grad_norm=1.0,
    metric_for_best_model="eval_loss",
    greater_is_better=False,
)

📉 訓練與驗證損失曲線

模型訓練了4個輪次，最佳模型在第2輪次被選中（驗證損失最低）。

📊 數據集類別分佈

🔧 技術細節

文檔未提供詳細技術細節，暫不展示。

📄 許可證

本項目採用Apache 2.0許可證。