Roberta Base Emotion

🚀 robert-base-emotion

本项目基于roberta-base模型在情感数据集上微调，用于文本情感分类，具有较高的准确率和F1分数。

🚀 快速开始

模型描述

roberta 是对Bert进行了更好的超参数选择，因此在预训练期间被称为“鲁棒优化的Bert”。

roberta-base 在情感数据集上使用HuggingFace的Trainer进行了微调，使用的超参数如下：

学习率 2e-5，
批量大小 64，
训练轮数 8

模型性能对比

以下是不同模型在Twitter情感数据集上的性能对比：

💻 使用示例

基础用法

from transformers import pipeline
classifier = pipeline("text-classification",model='bhadresh-savani/roberta-base-emotion', return_all_scores=True)
prediction = classifier("I love using transformers. The best part is wide range of support and its easy to use", )
print(prediction)

"""
输出:
[[
{'label': 'sadness', 'score': 0.002281982684507966}, 
{'label': 'joy', 'score': 0.9726489186286926}, 
{'label': 'love', 'score': 0.021365027874708176}, 
{'label': 'anger', 'score': 0.0026395076420158148}, 
{'label': 'fear', 'score': 0.0007162453257478774}, 
{'label': 'surprise', 'score': 0.0003483477921690792}
]]
"""

📚 详细文档

数据集

使用的数据集为 Twitter-Sentiment-Analysis。

训练过程

可以参考 Colab Notebook，将模型名称改为roberta即可。

评估结果

{
 'test_accuracy': 0.9395,
 'test_f1': 0.9397328860104454,
 'test_loss': 0.14367154240608215,
 'test_runtime': 10.2229,
 'test_samples_per_second': 195.639,
 'test_steps_per_second': 3.13
 }

参考资料

• Natural Language Processing with Transformer By Lewis Tunstall, Leandro von Werra, Thomas Wolf

📄 许可证

本项目采用Apache-2.0许可证。