Deverta V3 Japanese Large Anticipation

🚀 DeBERTa 情感预测器

本项目提供了一个基于 DeBERTa 的模型，用于预测日语文本中的情感。借助预训练的 DeBERTa 模型，该 Python 包能够对日语文本进行情感推断。它提供了针对 8 种情感（喜悦、悲伤、期待、惊讶、愤怒、恐惧、厌恶、信任）的模型，可轻松获取每个文本的情感预测标签和肯定类别的置信度。

🚀 快速开始

安装

使用 pip 进行安装：

pip install deberta-emotion-predictor

使用示例

基础用法

from deberta_emotion_predictor import DeBERTaEmotionPredictor
predictor = DeBERTaEmotionPredictor()
result = predictor.predict_emotions("今日はとても嬉しい！")
predictor.show_emotions(result)

注：由于需要从 Hugging-face 下载 8 种 DeBERTa 模型，首次启动会比较耗时，后续运行速度会加快。

高级用法

还可以输入数据框进行预测：

import pandas as pd
from deberta_emotion_predictor import DeBERTaEmotionPredictor

# model_dir 是语言模型和分词器所在的位置
predictor = DeBERTaEmotionPredictor()

# 示例文本（列表形式）
sample_texts = [
    "そうだ 京都、行こう。",
    "がんばるひとの、がんばらない時間。",
    "わたしらしくをあたらしく",
    "ピースはここにある。",
    "結婚しなくても幸せになれるこの時代に、私は、あなたと結婚したいのです。",
    "これからの地球のために一肌、脱ぎました。",
    "自分は、きっと想像以上だ。",
    "ハローしあわせ。",
    "日本を、1枚で。"
]
res_df = predictor.predict_emotions(sample_texts)

predictor.show_emotions(res_df)

运行该包需要安装 torch、transformers 和 pandas：

pip install torch 
pip install transformers
pip install pandas 

另外，如果要使用 GPU，需要安装 NVIDIA GPU 驱动等，具体请参考其他资料。

✨ 主要特性

• 8 种情感推断：使用针对每种情感微调的模型，对文本进行情感推断。
• 灵活的输入形式：支持单一文本、文本列表或 pandas Series 作为输入，并以 DataFrame 形式返回结果。
• 高效的推理：为了减少 GPU 内存使用，设计为仅在需要时将模型加载到 GPU 上。

📚 详细文档

文本传递方式（列表）

sample_texts = [
    "そうだ 京都、行こう。",
    "がんばるひとの、がんばらない時間。"
]
result_df = predictor.predict_emotions(sample_texts)
predictor.show_emotions(result_df)

单一文本情况

result_single = predictor.predict_emotions("新しい朝が来た。")
print(result_single)

输出的数据框

输出的数据框包含表示每种情感是否存在的 8 列，以及每种情感的概率值。

print(result_df)

🔧 技术细节

目录结构

deberta_emotion_predictor/         
├── README.md                      # 本说明文件
├── deberta_emotion_predictor.py   # DeBERTaEmotionPredictor 类的实现
│   └── tokenizer_DeBERTa_v3_large/ # 分词器
├── setup.py
├── pyproject.toml
├── README.md
├── LICENSE
└── usage.py                       

必要环境

• Python 3.6 及以上
• PyTorch
• transformers
• pandas

📄 许可证

本项目采用知识共享署名 - 相同方式共享 4.0 国际许可协议（CC BY - SA 4.0）。

版权所有 (c) 2025 Yoichi Takenaka

本作品根据知识共享署名 - 相同方式共享 4.0 国际许可协议进行许可。要查看此许可协议的副本，请访问 https://creativecommons.org/licenses/by-sa/4.0/

本项目基于以下内容：

• DeBERTa (https://huggingface.co/microsoft/deberta-v3-large)，采用 MIT 许可协议。
• DeBERTa 日语模型 (https://huggingface.co/globis-university/deberta-v3-japanese-large)，采用 CC BY - SA 4.0 许可协议。

任何修改或派生作品也必须根据相同的 CC BY - SA 4.0 许可协议进行分发。