BERT EmotionIntensity 0.1

🚀 BERT情感檢測模型

該模型基於BERT進行微調，用於檢測中文文本中的強烈和微弱情感。

🚀 快速開始

此模型基於bert-base-chinese，並針對序列分類進行了微調，具有兩個標籤：微弱情感（weak，標籤為 0）和強烈情感（strong，標籤為 1）。該模型使用來自中國社交網絡服務豆瓣的約 12.5 萬條評論數據集進行了一個輪次的訓練，並在保留的測試集（1 萬條評論）上達到了 87.9% 的準確率。評論長度至少為 200 個字符；評分為 1 星或 5 星的評論被標記為“強烈情感”，評分為 3 星的評論被標記為“微弱情感”。

💻 使用示例

基礎用法

from transformers import BertTokenizer, BertForSequenceClassification
import torch

model_name = "qhchina/BERT-EmotionIntensity-0.1"
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name)

sentence = "到達華僑居住的地區，瘋狂地搗毀華僑的商店，洗劫華僑的財物，野蠻地毆打華僑，破壞華僑的車輛和看到的一切東西。他們對華僑大搶、大燒、大殺。種種暴行，簡直同當年希特勒法西斯匪徒對待猶太人，和今天南非種族主義者對待非洲人，一模一樣。"

inputs = tokenizer(sentence, return_tensors="pt")

outputs = model(**inputs)
logits = outputs.logits

# Get the probability of the "strong emotion" class
probability_strong_emotion = torch.nn.functional.softmax(logits, dim=-1)[0][1].item()

print(f"Sentence: {sentence}")
print(f"Probability of strong emotion: {probability_strong_emotion}")

📄 許可證

本模型使用的許可證為apache-2.0。