Senda

🚀 用於情感分析的丹麥語BERT微調模型 senda

該模型可檢測丹麥語文本的極性（“積極”、“中性”、“消極”）。

🚀 快速開始

此模型經過訓練和測試，使用的是由 Alexandra Institute 標註的推文數據。它是使用 senda 包進行訓練的。

以下是使用 🤗Transformers 庫在 PyTorch 中加載該模型的示例：

from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline
tokenizer = AutoTokenizer.from_pretrained("pin/senda")
model = AutoModelForSequenceClassification.from_pretrained("pin/senda")

# 創建 'senda' 情感分析管道 
senda_pipeline = pipeline('sentiment-analysis', model=model, tokenizer=tokenizer)

text = "Sikke en dejlig dag det er i dag"
# 英文翻譯: 'what a lovely day'
senda_pipeline(text)

✨ 主要特性

• 能夠檢測丹麥語文本的極性，分為“積極”、“中性”、“消極”三類。
• 基於丹麥語BERT進行微調，使用 Alexandra Institute 提供的推文數據進行訓練和測試。
• 藉助 senda 包進行訓練。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline
tokenizer = AutoTokenizer.from_pretrained("pin/senda")
model = AutoModelForSequenceClassification.from_pretrained("pin/senda")

# 創建 'senda' 情感分析管道 
senda_pipeline = pipeline('sentiment-analysis', model=model, tokenizer=tokenizer)

text = "Sikke en dejlig dag det er i dag"
# 英文翻譯: 'what a lovely day'
senda_pipeline(text)

📚 詳細文檔

性能表現

senda 模型在 Alexandra Institute 提供的小型測試數據集上，實現了 0.77 的準確率和 0.73 的宏平均 F1 分數。該模型肯定還有改進的空間，我們鼓勵所有自然語言處理愛好者盡力優化它，你可以使用 senda 包來完成這項工作。

聯繫信息

如有問題，可隨時通過 lars.kjeldgaard@eb.dk 聯繫作者 Lars Kjeldgaard。

特別鳴謝

感謝 Malte Højmark-Berthelsen 預訓練丹麥語BERT，並幫助為 senda 添加 TensorFlow 後端。

📄 許可證

本項目採用 CC BY 4.0 許可證。