Amazon Reviews Sentiment Distilbert Base Uncased

🚀 Amazon-Beauty-Product-Reviews-distilBERT-base情感分析模型

本模型基于DistilBERT微调，可用于对亚马逊美妆产品评论进行情感分析，能有效处理文本分类任务，在评估集上取得了较好的准确率等指标。

🚀 快速开始

本部分暂未提供快速开始的相关内容，你可以参考后续章节了解模型详情。

✨ 主要特性

• 微调优化：基于distilbert-base-uncased在亚马逊美妆评论数据集上进行微调，适配特定领域的情感分析任务。
• 性能良好：在评估集上损失较低，准确率、精确率、召回率和F1值等指标表现出色。

📚 详细文档

🔍 模型详情

模型描述

本模型是 distilbert-base-uncased 在 亚马逊美妆评论数据集 的平衡子集上微调后的版本。

在评估集上取得了以下结果：

• 损失：0.5171
• 准确率：0.7862
• 精确率：0.7876
• 召回率：0.7860
• F1值：0.7867

开发者信息

💡 使用场景

直接应用

本模型可用于对亚马逊美妆产品评论进行情感分析。

误用和超出范围使用

⚠️ 重要提示

请勿使用此模型故意创建对他人怀有敌意或排斥性的环境。此外，该模型并非用于生成真实反映人物或事件的内容，因此使用该模型生成此类内容超出了其能力范围。

⚠️ 风险、限制和偏差

本模型可能会产生有偏差的预测，尤其会对代表性不足的群体产生影响。

用户应针对特定用例评估模型的风险。

如需进一步评估偏差，可考虑以下数据集：

• WinoBias
• WinoGender
• Stereoset

📈 训练和评估

训练数据

作者使用了 亚马逊美妆评论数据集，该数据集经过平衡处理以解决类别不平衡问题。

训练过程

训练超参数

训练期间使用了以下超参数：

• 学习率：5e-05
• 训练批次大小：8
• 评估批次大小：8
• 随机种子：0
• 优化器：使用OptimizerNames.ADAMW_TORCH，betas=(0.9, 0.999)，epsilon=1e-08，无额外优化器参数
• 学习率调度器类型：线性
• 训练轮数：1

训练结果

如需详细的训练日志，请参考 Tensorboard 页面。

评估结果

微调后的DistilBERT模型在以下数据集划分上进行了评估：

• 训练样本：133,665
• 验证样本：33,417

评估是在一个三类情感分类任务上进行的。以下是详细结果：

分类报告

混淆矩阵

框架版本

• Transformers 4.50.3
• Pytorch 2.6.0+cu124
• Tokenizers 0.21.1

📄 许可证

本模型使用的许可证为Apache-2.0。