Hebemo Sadness

🚀 HebEMO - 现代希伯来语情感识别模型

HebEMO 是一款用于检测现代希伯来语用户生成内容（UGC）情感极性并提取情感的工具。该模型基于我们收集并标注的独特新冠疫情相关数据集进行训练。

HebEMO 在极性分类任务中取得了加权平均 F1 分数为 0.96 的优异成绩。在情感检测方面，除“惊讶”情感（F1 分数为 0.41，模型未能很好地捕捉该情感）外，其他情感的 F1 分数达到了 0.78 - 0.97。即使与英语模型相比，这些结果也优于目前已报道的最佳性能。

✨ 主要特性

• 能够对现代希伯来语用户生成内容进行情感极性检测和情感提取。
• 在极性分类和多数情感检测任务中表现出色。

📚 详细文档

情感用户生成内容数据描述

我们的用户生成内容数据包含了从 2020 年 1 月至 2020 年 8 月期间，以色列 3 家主要新闻网站上新闻文章的评论。数据总大小约为 150 MB，包含超过 700 万个单词和 35 万条句子。

约 2000 条句子由众包人员（每条句子有 3 - 10 名标注人员）进行标注，标注内容包括整体情感倾向（极性）和 八种情感：愤怒、厌恶、期待、恐惧、喜悦、悲伤、惊讶和信任。

每种情感在句子中出现的比例如下表所示：

性能表现

情感识别

以上指标针对正类（即文本中反映出该情感）。

情感倾向（极性）分析

情感倾向（极性）分类模型也可在 AWS 上使用！更多信息请访问 AWS 的 GitHub 仓库。

💻 使用示例

基础用法

情感识别模型

可以在 Hugging Face Spaces 上找到在线模型，也可以使用 Colab 笔记本。

# !pip install pyplutchik==0.0.7
# !pip install transformers==4.14.1

!git clone https://github.com/avichaychriqui/HeBERT.git
from HeBERT.src.HebEMO import *
HebEMO_model = HebEMO()

HebEMO_model.hebemo(input_path = 'data/text_example.txt')
# return analyzed pandas.DataFrame  

hebEMO_df = HebEMO_model.hebemo(text='החיים יפים ומאושרים', plot=True)

情感分类模型（仅极性）

from transformers import AutoTokenizer, AutoModel, pipeline

tokenizer = AutoTokenizer.from_pretrained("avichr/heBERT_sentiment_analysis") #same as 'avichr/heBERT' tokenizer
model = AutoModel.from_pretrained("avichr/heBERT_sentiment_analysis")

# how to use?
sentiment_analysis = pipeline(
    "sentiment-analysis",
    model="avichr/heBERT_sentiment_analysis",
    tokenizer="avichr/heBERT_sentiment_analysis",
    return_all_scores = True
)

sentiment_analysis('אני מתלבט מה לאכול לארוחת צהריים')	
>>>  [[{'label': 'neutral', 'score': 0.9978172183036804},
>>>  {'label': 'positive', 'score': 0.0014792329166084528},
>>>  {'label': 'negative', 'score': 0.0007035882445052266}]]

sentiment_analysis('קפה זה טעים')
>>>  [[{'label': 'neutral', 'score': 0.00047328314394690096},
>>>  {'label': 'possitive', 'score': 0.9994067549705505},
>>>  {'label': 'negetive', 'score': 0.00011996887042187154}]]

sentiment_analysis('אני לא אוהב את העולם')
>>>  [[{'label': 'neutral', 'score': 9.214012970915064e-05}, 
>>>  {'label': 'possitive', 'score': 8.876807987689972e-05}, 
>>>  {'label': 'negetive', 'score': 0.9998190999031067}]]

📄 许可证

文档中未提及相关许可证信息。

🔗 联系我们

• Avichay Chriqui
• Inbal yahav
• The Coller Semitic Languages AI Lab

感谢使用！ תודה， شكرا

📝 引用说明

如果您使用了此模型，请按以下格式引用我们的工作： Chriqui, A., & Yahav, I. (2022). HeBERT & HebEMO: a Hebrew BERT Model and a Tool for Polarity Analysis and Emotion Recognition. INFORMS Journal on Data Science, forthcoming.

@article{chriqui2021hebert,
  title={HeBERT \& HebEMO: a Hebrew BERT Model and a Tool for Polarity Analysis and Emotion Recognition},
  author={Chriqui, Avihay and Yahav, Inbal},
  journal={INFORMS Journal on Data Science},
  year={2022}
}