用于情感分析的RuBERT模型

此模型基于DeepPavlov/rubert-base-cased-conversational架构，并在RuSentiment数据集上进行了训练。

情感标签

0: 中性
1: 积极
2: 消极

使用方法

import torch
from transformers import AutoModelForSequenceClassification
from transformers import BertTokenizerFast

tokenizer = BertTokenizerFast.from_pretrained('blanchefort/rubert-base-cased-sentiment-rusentiment')
model = AutoModelForSequenceClassification.from_pretrained('blanchefort/rubert-base-cased-sentiment-rusentiment', return_dict=True)

@torch.no_grad()
def predict(text):
    inputs = tokenizer(text, max_length=512, padding=True, truncation=True, return_tensors='pt')
    outputs = model(**inputs)
    predicted = torch.nn.functional.softmax(outputs.logits, dim=1)
    predicted = torch.argmax(predicted, dim=1).numpy()
    return predicted

模型训练数据集

RuSentiment俄语情感分析数据集

A. Rogers, A. Romanov, A. Rumshisky, S. Volkova, M. Gronas, A. Gribov. RuSentiment: 一个面向俄语社交媒体的增强型情感分析数据集. 发表于COLING 2018会议论文集.