Emotion English Distilroberta Base

🚀 英語情感分析DistilRoBERTa-base模型

本模型可用於對英文文本數據進行情感分類。它在6個不同的數據集上進行訓練（詳見下方附錄），能夠預測Ekman提出的6種基本情感，外加一箇中性類別：

1. 憤怒 🤬
2. 厭惡 🤢
3. 恐懼 😨
4. 喜悅 😀
5. 中性 😐
6. 悲傷 😭
7. 驚訝 😲

該模型是DistilRoBERTa-base的微調版本。若需要“非蒸餾”的情感模型，請參考RoBERTa-large版本的模型卡片。

🚀 快速開始

單文本示例

在Google Colab上使用Hugging Face的pipeline命令，只需3行代碼即可運行情感模型：

from transformers import pipeline
classifier = pipeline("text-classification", model="j-hartmann/emotion-english-distilroberta-base", return_all_scores=True)
classifier("I love this!")

輸出:
[[{'label': 'anger', 'score': 0.004419783595949411},
  {'label': 'disgust', 'score': 0.0016119900392368436},
  {'label': 'fear', 'score': 0.0004138521908316761},
  {'label': 'joy', 'score': 0.9771687984466553},
  {'label': 'neutral', 'score': 0.005764586851000786},
  {'label': 'sadness', 'score': 0.002092392183840275},
  {'label': 'surprise', 'score': 0.008528684265911579}]]

多示例和完整數據集

在Google Colab上對多個示例和完整數據集（如.csv文件）運行情感模型：

💻 聯繫我們

如果您有任何問題或反饋，請聯繫 jochen.hartmann@tum.de。

感謝Samuel Domdey和 chrsiebert 對本模型發佈的支持。

✅ 引用信息

如果您使用此模型，請引用以下內容。相關工作論文即將發佈。

Jochen Hartmann, "Emotion English DistilRoBERTa-base". https://huggingface.co/j-hartmann/emotion-english-distilroberta-base/, 2022.

BibTex引用格式：

@misc{hartmann2022emotionenglish,
  author={Hartmann, Jochen},
  title={Emotion English DistilRoBERTa-base},
  year={2022},
  howpublished = {\url{https://huggingface.co/j-hartmann/emotion-english-distilroberta-base/}},
}

📚 附錄

以下是用於訓練的數據集概述。所有數據集均包含英文文本。該表格總結了每個數據集中包含哪些情感標籤。這些數據集涵蓋了多種文本類型，具體包括來自Twitter、Reddit、學生自我報告以及電視對話的文本情感標籤。由於MELD（多模態情感線數據集）是對流行的情感線數據集的擴展，因此這裡不包含情感線數據集本身。

該模型在上述數據集的一個平衡子集上進行訓練（每種情感2811個觀測值，即總共近20000個觀測值）。這個平衡子集的80%用於訓練，20%用於評估。評估準確率為66%（隨機猜測的基線準確率為1/7 = 14%）。

📖 科學應用

以下是使用“英語情感分析DistilRoBERTa-base模型”的論文列表。如果您希望您的論文被添加到列表中，請給我發送電子郵件。

• Butt, S., Sharma, S., Sharma, R., Sidorov, G., & Gelbukh, A. (2022). What goes on inside rumour and non-rumour tweets and their reactions: A Psycholinguistic Analyses. Computers in Human Behavior, 107345.
• Kuang, Z., Zong, S., Zhang, J., Chen, J., & Liu, H. (2022). Music-to-Text Synaesthesia: Generating Descriptive Text from Music Recordings. arXiv preprint arXiv:2210.00434.
• Rozado, D., Hughes, R., & Halberstadt, J. (2022). Longitudinal analysis of sentiment and emotion in news media headlines using automated labelling with Transformer language models. Plos one, 17(10), e0276367.