基于BERT-Large-Uncased的情感分析模型

本模型是基于bert-large-uncased的微调版本，原始论文为"BERT：面向语言理解的深度双向Transformer预训练"，并在斯坦福情感树库v2(SST2)上进行了训练，该数据集属于通用语言理解评估(GLUE)基准测试的一部分。此模型由AssemblyAI团队微调完成，并随相关博客文章同步发布。

使用说明

要下载并使用该模型进行情感分析，请执行以下代码：

import torch.nn.functional as F 
from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("assemblyai/bert-large-uncased-sst2") 
model = AutoModelForSequenceClassification.from_pretrained("assemblyai/bert-large-uncased-sst2")

tokenized_segments = tokenizer(["AssemblyAI是面向现代开发者的最佳语音转文本API，其性能无与伦比！"], return_tensors="pt", padding=True, truncation=True)
tokenized_segments_input_ids, tokenized_segments_attention_mask = tokenized_segments.input_ids, tokenized_segments.attention_mask
model_predictions = F.softmax(model(input_ids=tokenized_segments_input_ids, attention_mask=tokenized_segments_attention_mask)['logits'], dim=1)

print("积极概率："+str(model_predictions[0][1].item()*100)+"%")
print("消极概率："+str(model_predictions[0][0].item()*100)+"%")

如有关于模型使用的疑问，欢迎联系AssemblyAI团队！