Xlm Emo T

🚀 XLM - EMO：多語言情感預測模型

本項目的 XLM - EMO 模型可用於檢測文本中的情感，助力社會和計算科學家研究人們在網絡事件中的行為和反應。它基於多語言數據訓練，在零樣本設置下表現出色，尤其適用於低資源語言場景。

🚀 快速開始

本模型可直接供有興趣的研究人員使用，你可以參考模型的相關文檔和代碼示例進行實踐。

✨ 主要特性

• 多語言支持：該模型基於 19 種語言的情感檢測數據集進行訓練，能夠處理多種語言的文本情感檢測任務。
• 零樣本表現出色：在零樣本設置下展現出有競爭力的性能，對低資源語言的情感檢測有很大幫助。

📚 詳細文檔

模型

此模型是 XLM - T 模型的微調版本。

預期用途

• 主要預期用途：該模型是為研究社區提供的研究成果，主要目標用戶為人工智能研究人員。

結果

該模型在測試集上的 F1 分數達到了 0.85。

📄 許可證

對於模型而言，數據（源自現有數據集）或 Twitter（主要數據源）可能存在使用限制。我們建議用戶參考每個數據集附帶的原始許可證以及 Twitter 的相關規定。

軟件按“原樣”提供，不附帶任何形式的明示或暗示保證，包括但不限於適銷性、特定用途適用性和不侵權的保證。在任何情況下，作者或版權持有者均不對因軟件或軟件的使用或其他交易而產生的任何索賠、損害或其他責任負責，無論是在合同訴訟、侵權訴訟還是其他訴訟中。

📚 引用

如果您在項目中使用了此模型，請使用以下 BibTeX 條目進行引用：

@inproceedings{bianchi2021feel,
    title = "{XLM-EMO: Multilingual Emotion Prediction in Social Media Text}",
    author = "Bianchi, Federico and Nozza, Debora and Hovy, Dirk",
    booktitle = "Proceedings of the 12th Workshop on Computational Approaches to Subjectivity, Sentiment and Social Media Analysis",
    year = "2022",
    publisher = "Association for Computational Linguistics",
}