Sentiment Analysis Customer Reviews

🚀 情感分析 - 客戶評論分類模型

本項目是一個文本分類模型，專注於對客戶評論進行情感分析，將其分為積極和消極兩類，能有效處理亞馬遜客戶評論數據，具有較高的準確性。

🚀 快速開始

from transformers import pipeline

classifier = pipeline("text-classification", model="dnzblgn/Sentiment-Analysis-Customer-Reviews")
result = classifier("The product didn't arrive on time and was damaged.")
print(result)

✨ 主要特性

• 基於microsoft/deberta-v3-base模型進行訓練，具有良好的文本理解能力。
• 針對亞馬遜客戶評論數據進行訓練，適用於該領域的情感分類任務。
• 訓練後的模型在評估中表現出較高的準確率、精確率、召回率和F1分數。

📦 安裝指南

暫未提供相關安裝步驟。

💻 使用示例

基礎用法

from transformers import pipeline

classifier = pipeline("text-classification", model="dnzblgn/Sentiment-Analysis-Customer-Reviews")
result = classifier("The product didn't arrive on time and was damaged.")
print(result)

📚 詳細文檔

情感映射

sentiment_mapping = {1: "Negative", 0: "Positive"}

訓練詳情

模型在McAuley-Lab/Amazon-Reviews-2023數據集上進行訓練。該數據集包含亞馬遜的標記客戶評論，主要聚焦於兩個類別：積極和消極。

訓練超參數

評估

模型使用亞馬遜評論數據集的一個子集進行評估，重點是將文本二分類為積極或消極。

指標

📄 許可證

本項目採用Apache-2.0許可證。