HebEMO - 现代希伯来语情感识别模型

HebEMO是一款用于检测现代希伯来语用户生成内容（UGC）情感极性并提取情感的工具，其训练基于我们收集和标注的独特新冠相关数据集。

在情感极性分类任务中，HebEMO取得了加权平均F1分数=0.96的高性能表现。情感检测方面，除惊讶情绪（F1=0.41）外，其他情绪的F1分数达到0.78-0.97。这些结果甚至优于已报道的最佳英语模型表现。

情感UGC数据描述

我们的UGC数据包含2020年1月至8月期间从以色列三大新闻网站收集的新闻评论，总数据量约150MB，含700余万词和35万条句子。约2000条句子通过众包方式（每条3-10位标注者）标注了整体情感（极性）和八种基本情绪：愤怒、厌恶、期待、恐惧、快乐、悲伤、惊讶和信任。各情绪在标注数据中的出现比例如下表所示：

性能表现

情感识别

上述指标针对正类（即文本反映该情绪）计算

情感（极性）分析

情感（极性）分析模型已在AWS上线！详情访问AWS代码库

使用方法

情感识别模型

在线模型可访问huggingface空间或Colab笔记本

# !pip install pyplutchik==0.0.7
# !pip install transformers==4.14.1

!git clone https://github.com/avichaychriqui/HeBERT.git
from HeBERT.src.HebEMO import *
HebEMO_model = HebEMO()

HebEMO_model.hebemo(input_path = 'data/text_example.txt')
# 返回分析后的pandas.DataFrame  

hebEMO_df = HebEMO_model.hebemo(text='החיים יפים ומאושרים', plot=True)

情感分类模型（仅极性）：

from transformers import AutoTokenizer, AutoModel, pipeline

tokenizer = AutoTokenizer.from_pretrained("avichr/heBERT_sentiment_analysis") #与'avichr/heBERT'相同
model = AutoModel.from_pretrained("avichr/heBERT_sentiment_analysis")

# 使用方法
sentiment_analysis = pipeline(
    "sentiment-analysis",
    model="avichr/heBERT_sentiment_analysis",
    tokenizer="avichr/heBERT_sentiment_analysis",
    return_all_scores = True
)

sentiment_analysis('אני מתלבט מה לאכול לארוחת צהריים')	
>>>  [[{'label': 'neutral', 'score': 0.9978172183036804},
>>>  {'label': 'positive', 'score': 0.0014792329166084528},
>>>  {'label': 'negative', 'score': 0.0007035882445052266}]]

sentiment_analysis('קפה זה טעים')
>>>  [[{'label': 'neutral', 'score': 0.00047328314394690096},
>>>  {'label': 'possitive', 'score': 0.9994067549705505},
>>>  {'label': 'negetive', 'score': 0.00011996887042187154}]]

sentiment_analysis('אני לא אוהב את העולם')
>>>  [[{'label': 'neutral', 'score': 9.214012970915064e-05}, 
>>>  {'label': 'possitive', 'score': 8.876807987689972e-05}, 
>>>  {'label': 'negetive', 'score': 0.9998190999031067}]]

联系我们

Avichay Chriqui
Inbal yahav
科勒闪族语言人工智能实验室
感谢您，תודה，شكرا

引用格式

Chriqui, A., & Yahav, I. (2021). HeBERT & HebEMO: a Hebrew BERT Model and a Tool for Polarity Analysis and Emotion Recognition. arXiv preprint arXiv:2102.01909.

@article{chriqui2021hebert,
  title={HeBERT \& HebEMO: a Hebrew BERT Model and a Tool for Polarity Analysis and Emotion Recognition},
  author={Chriqui, Avihay and Yahav, Inbal},
  journal={arXiv preprint arXiv:2102.01909},
  year={2021}
}