Turkish Sentiment

🚀 土耳其語情感分析模型

本項目基於預訓練模型開發了一個用於土耳其語情感分析的模型，能夠將土耳其語文本分類為消極、中性和積極三種情感類別，在相關任務中表現出色。

🚀 快速開始

本模型是 dbmdz/bert-base-turkish-cased 在 winvoker/turkish-sentiment-analysis-dataset 數據集上進行微調後的版本。它在評估集上取得了以下結果：

• 損失值：0.0880
• 準確率：0.9688
• F1 宏值：0.9454
• F1 加權值：0.9685
• 精確率：0.9683
• 召回率：0.9688

✨ 主要特性

• 基於 BERT 架構（dbmdz 土耳其語 BERT），在大規模土耳其語情感分析數據集上進行微調。
• 能夠將土耳其語文本分類為消極、中性和積極三種情感類別。

📦 安裝指南

文檔未提及安裝步驟，跳過此章節。

💻 使用示例

基礎用法

# 使用 pipeline 作為高級輔助工具
from transformers import pipeline

pipe = pipeline("text-classification", model="kaixkhazaki/turkish-sentiment")

pipe("Kargo geç geldi ve ürün beklentimi pek karşılamadı.")
>> [{'label': 'Negative', 'score': 0.984860897064209}]

pipe("Yemek lezzetliydi ancak servis yavaş ve çalışanlar ilgisizdi, pek anlayamadım nasıl hissettiğimi.")
>> [{'label': 'Notr', 'score': 0.9881975054740906}]

pipe("Gerçekten müthiş bir deneyimdi, keşke hep burda kalabilsem.")
>> [{'label': 'Positive', 'score': 0.9942901134490967}]

📚 詳細文檔

模型描述

基於 BERT（dbmdz 土耳其語 BERT）的模型，在大規模土耳其語情感分析數據集上進行了微調。該模型將土耳其語文本分類為三種情感類別：消極、中性和積極。

預期用途與限制

• 適用於涉及情感分析的土耳其語文本分類任務。
• 適用於社交媒體數據、產品評論或土耳其語通用情感檢測。

訓練和評估數據

在包含 440,679 個訓練樣本和 48,965 個驗證樣本的組合數據集上進行微調。

訓練過程

在單個 GPU 上使用整個數據集進行了約 25 分鐘（1600 步）的訓練。

訓練超參數

訓練期間使用了以下超參數：

• 學習率：3e-05
• 訓練批次大小：64
• 評估批次大小：128
• 隨機種子：42
• 優化器：使用 adamw_torch，β=(0.9, 0.999)，ε=1e-08，無額外優化器參數
• 學習率調度器類型：餘弦
• 學習率調度器預熱步數：400
• 訓練步數：1600

訓練結果

框架版本

• Transformers 4.48.0.dev0
• Pytorch 2.4.1+cu121
• Datasets 3.1.0
• Tokenizers 0.21.0

引用信息

@misc{turkish-sentiment,
  title={Turkish Sentiment Analysis using Turkish BERT},
  author={Fatih Demrici},
  year={2025},
  howpublished={\url{https://huggingface.co/kaixkhazaki/turkish-sentiment}},
}

📄 許可證

本項目採用 MIT 許可證。