Modernbert Large Multilingual Sentiment

🚀 clapAI/modernBERT-base-multilingual-sentiment

modernBERT-base-multilingual-sentiment 是一个多语言情感分类模型，属于 Multilingual-Sentiment 集合的一部分。该模型能够支持跨 16 种以上语言的情感分类，为不同语言环境下的情感分析提供了有力支持。

🚀 快速开始

环境准备

由于 transformers 仅从版本 4.48.0.dev0 开始支持 ModernBERT 架构，你可以使用以下命令获取所需版本：

pip install "git+https://github.com/huggingface/transformers.git@6e0515e99c39444caae39472ee1b2fd76ece32f1" --upgrade

同时，安装 FlashAttention 以加速推理性能：

pip install flash-attn==2.7.2.post1

代码示例

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

model_id = "clapAI/modernBERT-large-multilingual-sentiment"
# 加载分词器和模型
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSequenceClassification.from_pretrained(model_id, torch_dtype=torch.float16)

model.to(device)
model.eval()


# 从模型配置中获取标签
id2label = model.config.id2label

texts = [
    # 英语
    {
        "text": "I absolutely love the new design of this app!",
        "label": "positive"
    },
    {
        "text": "The customer service was disappointing.",
        "label": "negative"
    },
    # 阿拉伯语
    {
        "text": "هذا المنتج رائع للغاية!",
        "label": "positive"
    },
    {
        "text": "الخدمة كانت سيئة للغاية.",
        "label": "negative"
    },
    # 德语
    {
        "text": "Ich bin sehr zufrieden mit dem Kauf.",
        "label": "positive"
    },
    {
        "text": "Die Lieferung war eine Katastrophe.",
        "label": "negative"
    },
    # 西班牙语
    {
        "text": "Este es el mejor libro que he leído.",
        "label": "positive"
    },
    {
        "text": "El producto llegó roto y no funciona.",
        "label": "negative"
    },
    # 法语
    {
        "text": "J'adore ce restaurant, la nourriture est délicieuse!",
        "label": "positive"
    },
    {
        "text": "Le service était très lent et désagréable.",
        "label": "negative"
    },
    # 印尼语
    {
        "text": "Saya sangat senang dengan pelayanan ini.",
        "label": "positive"
    },
    {
        "text": "Makanannya benar-benar tidak enak.",
        "label": "negative"
    },
    # 日语
    {
        "text": "この製品は本当に素晴らしいです！",
        "label": "positive"
    },
    {
        "text": "サービスがひどかったです。",
        "label": "negative"
    },
    # 韩语
    {
        "text": "이 제품을 정말 좋아해요!",
        "label": "positive"
    },
    {
        "text": "고객 서비스가 정말 실망스러웠어요.",
        "label": "negative"
    },
    # 俄语
    {
        "text": "Этот фильм просто потрясающий!",
        "label": "positive"
    },
    {
        "text": "Качество было ужасным.",
        "label": "negative"
    },
    # 越南语
    {
        "text": "Tôi thực sự yêu thích sản phẩm này!",
        "label": "positive"
    },
    {
        "text": "Dịch vụ khách hàng thật tệ.",
        "label": "negative"
    },
    # 中文
    {
        "text": "我非常喜欢这款产品！",
        "label": "positive"
    },
    {
        "text": "质量真的很差。",
        "label": "negative"
    }
]

for item in texts:
    text = item["text"]
    label = item["label"]

    inputs = tokenizer(text, return_tensors="pt").to(device)

    # 在推理模式下进行推理
    with torch.inference_mode():
        outputs = model(**inputs)
        predictions = outputs.logits.argmax(dim=-1)
    print(f"Text: {text} | Label: {label} | Prediction: {id2label[predictions.item()]}")

✨ 主要特性

• 多语言支持：支持包括英语、越南语、中文、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、阿拉伯语等 16 种以上语言的情感分类。
• 微调优化：该模型是基于 answerdotai/ModernBERT-large 使用多语言情感数据集 clapAI/MultiLingualSentiment 进行微调的，能够更好地适应不同语言的情感分类任务。

📦 安装指南

安装依赖库

pip install "git+https://github.com/huggingface/transformers.git@6e0515e99c39444caae39472ee1b2fd76ece32f1" --upgrade
pip install flash-attn==2.7.2.post1

📚 详细文档

评估与性能

微调后，加载最佳模型并在 clapAI/MultiLingualSentiment 的 test 数据集上进行评估。

训练过程

训练超参数

训练过程中使用了以下超参数：

learning_rate: 5e-05
train_batch_size: 512
eval_batch_size: 512
seed: 42
distributed_type: multi-GPU
num_devices: 2
gradient_accumulation_steps: 2
total_train_batch_size: 2048
total_eval_batch_size: 1024
optimizer:
  type: adamw_torch_fused
  betas: [ 0.9, 0.999 ]
  epsilon: 1e-08
  optimizer_args: "No additional optimizer arguments"
lr_scheduler:
  type: cosine
  warmup_ratio: 0.01
num_epochs: 5.0
mixed_precision_training: Native AMP

框架版本

transformers==4.48.0.dev0
torch==2.4.0+cu121
datasets==3.2.0
tokenizers==0.21.0
flash-attn==2.7.2.post1

🔧 技术细节

• 模型架构：基于 ModernBERT 架构进行微调，能够更好地处理多语言情感分类任务。
• 数据集：使用 clapAI/MultiLingualSentiment 数据集进行训练和评估，该数据集包含了多种语言的情感分类数据。

📄 许可证

本项目采用 apache-2.0 许可证。

📖 引用

如果您觉得我们的项目有帮助，请给我们的仓库点个星，并引用我们的工作，谢谢！

@misc{modernBERT-large-multilingual-sentiment,
      title={modernBERT-large-multilingual-sentiment: A Multilingual Sentiment Classification Model},
      author={clapAI},
      howpublished={\url{https://huggingface.co/clapAI/modernBERT-large-multilingual-sentiment}},
      year={2025},
}