German Sentiment Bert

🚀 德语Bert情感分类模型

本模型用于对德语文本进行情感分类。为达到最佳效果，所有模型输入都需采用与训练时相同的预处理步骤。为简化模型使用，我们提供了一个 Python 包，它集成了预处理和推理所需的代码。

该模型采用了谷歌的Bert架构，并在183.4万个德语样本上进行了训练。训练数据包含来自不同领域的文本，如 Twitter、Facebook 以及电影、应用和酒店评论等。你可以在论文中找到有关数据集和训练过程的更多信息。

🚀 快速开始

📦 安装指南

要开始使用，可从 pypi 安装该包：

pip install germansentiment

💻 使用示例

基础用法

from germansentiment import SentimentModel

model = SentimentModel()

texts = [
    "Mit keinem guten Ergebniss","Das ist gar nicht mal so gut",
    "Total awesome!","nicht so schlecht wie erwartet",
    "Der Test verlief positiv.","Sie fährt ein grünes Auto."]
       
result = model.predict_sentiment(texts)
print(result)

上述代码将输出以下列表：

["negative","negative","positive","positive","neutral", "neutral"]

高级用法

from germansentiment import SentimentModel

model = SentimentModel()

classes, probabilities = model.predict_sentiment(["das ist super"], output_probabilities = True) 
print(classes, probabilities)

['positive'] [[['positive', 0.9761366844177246], ['negative', 0.023540444672107697], ['neutral', 0.00032294404809363186]]]

📚 详细文档

模型与数据

如果你对训练此模型所使用的代码和数据感兴趣，请查看 此仓库 和我们的 论文。以下是该模型在不同数据集上的 F1 分数表。由于我们使用了较新版本的 Transformer 库来训练此模型，结果比论文中报告的略好。

引用

若你有反馈或疑问，请通过邮件或 Twitter @oliverguhr 联系我。如果你觉得此模型有用，请引用以下内容：

@InProceedings{guhr-EtAl:2020:LREC,
  author    = {Guhr, Oliver  and  Schumann, Anne-Kathrin  and  Bahrmann, Frank  and  Böhme, Hans Joachim},
  title     = {Training a Broad-Coverage German Sentiment Classification Model for Dialog Systems},
  booktitle      = {Proceedings of The 12th Language Resources and Evaluation Conference},
  month          = {May},
  year           = {2020},
  address        = {Marseille, France},
  publisher      = {European Language Resources Association},
  pages     = {1620--1625},
  url       = {https://www.aclweb.org/anthology/2020.lrec-1.202}
}

📄 许可证

本项目采用 MIT 许可证。