语言:

• 中文
• 英文 库名称: transformers 任务标签: 文本到文本生成 数据集:
• Yaxin/SemEval2016Task5NLTK 评估指标:
• yuyijiong/quad_match_score

最新版本:yuyijiong/T5-large-sentiment-analysis-Chinese-MultiTask

基于IDEA-CCNL/Randeng-T5-784M-MultiTask-Chinese在多个中英文情感分析数据集上微调训练所得
输出格式为

'对象1 | 观点1 | 方面1 | 情感极性1 & 对象2 | 观点2 | 方面2 | 情感极性2 ......'

可使用yuyijiong/quad_match_score评估指标进行测评

import evaluate
module = evaluate.load("yuyijiong/quad_match_score")
predictions=["食物 | 美味 | 食物#口感 | 正面"]
references=["食物 | 美味 | 食物#口感 | 正面 & 服务 | 糟糕 | 服务#整体 | 负面"]
result=module.compute(predictions=predictions, references=references)
print(result)

支持以下情感分析任务

["四元组(对象 | 观点 | 方面 | 极性)",
'二元组(对象 | 观点)',
'三元组(对象 | 观点 | 方面)',
'三元组(对象 | 观点 | 极性)',
'三元组(对象 | 方面 | 极性)',
'二元组(方面 | 极性)',
'二元组(观点 | 极性)',
'单元素(极性)']

可通过附加条件控制答案生成，例如：

观点长度控制，支持整句抽取或关键词提取：
(观点尽量简短)
(观点可保留完整表述)

支持指定领域情感分析： (可选方面:商品/物流/商家/平台)

当情感对象target为null时，表示文本未明确提及 支持自动补全null对象： (补全null)

支持以下情感分析任务

["四元组(对象 | 观点 | 方面 | 极性)",
"四元组(对象 | 观点 | 方面 | 极性)",
'二元组(对象 | 观点)',
'三元组(对象 | 观点 | 方面)',
'三元组(对象 | 观点 | 极性)',
'三元组(对象 | 方面 | 极性)',
'二元组(方面 | 极性)',
'二元组(对象 | 极性)',
'二元组(观点 | 极性)',
'单元素(极性)']

使用方法：

import torch
from transformers import T5Tokenizer, AutoModelForSeq2SeqLM

tokenizer = T5Tokenizer.from_pretrained("yuyijiong/Randeng-T5-large-sentiment-analysis-Chinese")
model = AutoModelForSeq2SeqLM.from_pretrained("yuyijiong/Randeng-T5-large-sentiment-analysis-Chinese", device_map="auto")
generation_config=GenerationConfig.from_pretrained("yuyijiong/Randeng-T5-large-sentiment-analysis-Chinese")
text = '情感四元组(对象 | 观点 | 方面 | 极性)抽取任务(观点可保留完整表述): [个头大、口感不错,就是个别坏了的或者有烂掉口子刻意用泥土封着,这样做不好。]'
input_ids = tokenizer(text,return_tensors="pt", padding=True)['input_ids'].cuda(0)
with torch.no_grad():
  output = model.generate(input_ids=input_ids,generation_config=generation_config)
output_str = tokenizer.batch_decode(output, skip_special_tokens=True)
print(output_str)

应用示例

问:情感四元组(对象 | 观点 | 方面 | 极性)抽取任务(观点可保留完整表述): [个头大、口感不错,就是个别坏了的或者有烂掉口子刻意用泥土封着,这样做不好。]
答:个头 | 大 | 商品#尺寸 | 积极 & 口感 | 不错 | 商品#口感 | 积极 & null | 个别坏了的或者有烂掉口子刻意用泥土封着,这样做不好 | 商品#新鲜度 | 消极

问:情感四元组(对象 | 观点 | 方面 | 极性)抽取任务(观点可保留完整表述，补全null): [个头大、口感不错,就是个别坏了的或者有烂掉口子刻意用泥土封着,这样做不好。]
答:个头 | 大 | 商品#尺寸 | 积极 & 口感 | 不错 | 商品#口感 | 积极 & null (个别花生) | 有烂掉口子刻意用泥土封着,这样做不好 | 商品#新鲜度 | 消极

问:情感四元组(对象 | 观点 | 方面 | 极性)抽取任务(观点尽量简短): [个头大、口感不错,就是个别坏了的或者有烂掉口子刻意用泥土封着,这样做不好。]
答:个头 | 大 | 商品#尺寸 | 积极 & 口感 | 不错 | 商品#口感 | 积极

问:情感三元组(对象 | 观点 | 极性)抽取任务(观点可保留完整表述，补全null): [个头大、口感不错,就是个别坏了的或者有烂掉口子刻意用泥土封着,这样做不好。]
答:个头 | 大 | 积极 & 口感 | 不错 | 积极 & null (花生) | 个别坏了的或者有烂掉口子刻意用泥土封着,这样做不好 | 消极

问:判断以下评论的情感极性: [个头大、口感不错,就是个别坏了的或者有烂掉口子刻意用泥土封着,这样做不好。]
答:中性

问:情感二元组(方面 | 极性)抽取任务(可选方面: 价格#性价比/价格#折扣/价格#水平/食品#外观/食物#分量/食物#味道/食物#推荐): [个头大、口感不错,就是个别坏了的或者有烂掉口子刻意用泥土封着,这样做不好。]
答:食物#分量 | 积极 & 食物#味道 | 中性

问:英文四元组(对象 | 观点 | 方面 | 极性)抽取任务: [The hot dogs are good , yes , but the reason to get over here is the fantastic pork croquette sandwich , perfect on its supermarket squishy bun .]
答:热狗 | 不错 | 食物#品质 | 正面 & 猪肉炸丸子三明治 | 惊艳 | 食物#品质 | 正面 & 面包 | 完美 | 食物#品质 | 正面