Ukr Emotions Classifier

🚀 EmoBench - UA：乌克兰语文本情感检测

EmoBench - UA 是一个用于检测乌克兰语文本情感的模型。它能够识别六种基本情感（喜悦、愤怒、恐惧、厌恶、惊讶、悲伤）以及无情感状态，为乌克兰语情感分析提供了有效的解决方案。

🚀 快速开始

以下是使用该模型的代码示例：

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

# 1. Set up model & tokenizer (update model_name as needed)
model_name = "ukr-detect/emotions_classifier"  # Or path to local dir
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)
model.eval()  # For inference

# 2. Define thresholds (must match the order of model's id2label)
thresholds = {
    "Joy": 0.35,
    "Fear": 0.5,
    "Anger": 0.25,
    "Sadness": 0.5,
    "Disgust": 0.3,
    "Surprise": 0.25,
    "None": 0.35
}

# 3. Prepare a function for prediction
def predict_emotions(texts):
    # Tokenize
    enc = tokenizer(texts, padding=True, truncation=True, return_tensors="pt")
    with torch.no_grad():
        outputs = model(**enc)
        logits = outputs.logits
        probs = torch.sigmoid(logits)
    
    # Get label mapping in correct order
    id2label = model.config.id2label
    label_order = [id2label[i] for i in range(len(id2label))]
    
    # Threshold and get predictions
    predictions = []
    for prob_row in probs:
        single_pred = [
            label for label, prob in zip(label_order, prob_row.tolist())
            if prob > thresholds[label]
        ]
        predictions.append(single_pred)
    return predictions

# 4. Example usage
texts = [
    "Я щойно отримав підвищення на роботі!",
    "Я хвилююся за майбутнє.",
    "я не буду заради тебе, Гані і Каті терпіти того пйоса",
    "Сьогодні нічого не сталося.",
    "всі чомусь плутають, а мені то дивно так )))",
    " ого, то зовсім не приємно(("
]

results = predict_emotions(texts)
for t, r in zip(texts, results):
    print(f"Text: {t}\nEmotions: {r}\n")

# Expected output

Text: Я щойно отримав підвищення на роботі!
Emotions: ['Joy', 'Surprise']

Text: Я хвилююся за майбутнє.
Emotions: ['Fear']

Text: я не буду заради тебе, Гані і Каті терпіти того пйоса
Emotions: ['Anger', 'Disgust']

Text: Сьогодні нічого не сталося.
Emotions: ['None']

Text:  всі чомусь плутають, а мені то дивно так )))
Emotions: ['Surprise']

Text:  ого, то зовсім не приємно((
Emotions: ['Sadness']

✨ 主要特性

• 多情感识别：能够识别六种基本情感（喜悦、愤怒、恐惧、厌恶、惊讶、悲伤）以及无情感状态。
• 多标签分类：文本可以包含一种、多种或无情感，模型输出 0 或 1 表示情感的存在与否。
• 微调模型：基于 intfloat/multilingual - e5 - large 模型在 ukr - emotions - binary 数据集上进行微调。

📚 详细文档

模型详情

我们提供了首个用于乌克兰语文本的情感检测器。该模型涵盖六种基本情感：喜悦、愤怒、恐惧、厌恶、惊讶、悲伤，以及无情感状态。任何文本可以包含任意数量的情感，可能只有一种、多种或根本没有情感。无情感的文本指的是每个情感类别的标签均为 0 的文本。

基础模型 intfloat/multilingual - e5 - large 在 ukr - emotions - binary 数据集的训练部分上针对多标签情感分类任务进行了微调。

使用方式：模型输出 0 或 1 表示文本中是否存在某种情感。因此，该模型可用于检测乌克兰语文本中任何基本情感的存在与否。

评估结果

以下是我们的模型在 ukr - emotions - binary 数据集测试部分的总体分类报告：

📄 许可证

本项目采用 OpenRAIL++ 许可证。

📚 引用

如果您想引用我们的工作，请引用以下论文：

@article{dementieva2025emobench,
  title={EmoBench-UA: A Benchmark Dataset for Emotion Detection in Ukrainian},
  author={Dementieva, Daryna and Babakov, Nikolay and Fraser, Alexander},
  journal={arXiv preprint arXiv:2505.23297},
  year={2025}
}

📞 联系方式

• Nikolay Babakov
• Daryna Dementieva