German Sentiment Bert

🚀 德語Bert情感分類模型

本模型用於對德語文本進行情感分類。為達到最佳效果，所有模型輸入都需採用與訓練時相同的預處理步驟。為簡化模型使用，我們提供了一個 Python 包，它集成了預處理和推理所需的代碼。

該模型採用了谷歌的Bert架構，並在183.4萬個德語樣本上進行了訓練。訓練數據包含來自不同領域的文本，如 Twitter、Facebook 以及電影、應用和酒店評論等。你可以在論文中找到有關數據集和訓練過程的更多信息。

🚀 快速開始

📦 安裝指南

要開始使用，可從 pypi 安裝該包：

pip install germansentiment

💻 使用示例

基礎用法

from germansentiment import SentimentModel

model = SentimentModel()

texts = [
    "Mit keinem guten Ergebniss","Das ist gar nicht mal so gut",
    "Total awesome!","nicht so schlecht wie erwartet",
    "Der Test verlief positiv.","Sie fährt ein grünes Auto."]
       
result = model.predict_sentiment(texts)
print(result)

上述代碼將輸出以下列表：

["negative","negative","positive","positive","neutral", "neutral"]

高級用法

from germansentiment import SentimentModel

model = SentimentModel()

classes, probabilities = model.predict_sentiment(["das ist super"], output_probabilities = True) 
print(classes, probabilities)

['positive'] [[['positive', 0.9761366844177246], ['negative', 0.023540444672107697], ['neutral', 0.00032294404809363186]]]

📚 詳細文檔

模型與數據

如果你對訓練此模型所使用的代碼和數據感興趣，請查看 此倉庫 和我們的 論文。以下是該模型在不同數據集上的 F1 分數表。由於我們使用了較新版本的 Transformer 庫來訓練此模型，結果比論文中報告的略好。

引用

若你有反饋或疑問，請通過郵件或 Twitter @oliverguhr 聯繫我。如果你覺得此模型有用，請引用以下內容：

@InProceedings{guhr-EtAl:2020:LREC,
  author    = {Guhr, Oliver  and  Schumann, Anne-Kathrin  and  Bahrmann, Frank  and  Böhme, Hans Joachim},
  title     = {Training a Broad-Coverage German Sentiment Classification Model for Dialog Systems},
  booktitle      = {Proceedings of The 12th Language Resources and Evaluation Conference},
  month          = {May},
  year           = {2020},
  address        = {Marseille, France},
  publisher      = {European Language Resources Association},
  pages     = {1620--1625},
  url       = {https://www.aclweb.org/anthology/2020.lrec-1.202}
}

📄 許可證

本項目採用 MIT 許可證。