FEEL-IT：意大利语情感与情绪分类工具

FEEL-IT Python软件包

您可以在此处获取用于情感与情绪分类的软件包，该工具旨在为HuggingFace模型提供极简接口。

许可协议

使用者应遵守Twitter商业条款协议

摘要

情感分析是解读网络反应的常规技术，但我们常需更精细的信息：用户的负面情绪是源于愤怒还是悲伤？

尽管已有众多解决方案，但针对意大利语的研究都孤立处理单一任务。我们推出FEEL-IT新型基准语料库，包含标注四种基础情绪（愤怒、恐惧、快乐、悲伤）的意大利语推文。通过情绪合并，亦可实现情感分析。我们在多项基准测试中均取得领先成果。

我们开源了Python工具库，研究者可利用基于FEEL-IT训练的模型分析意大利文本的双维度特征。

模型说明

feel-it-italian-sentiment模型专攻意大利语情感分析。基于UmBERTo模型微调后，在FEEL-IT新数据集上实现了当前最优性能。

数据来源

我们通过标注多元主题推文构建数据集，共收录2037条带情绪标签的推文。详见论文(https://aclanthology.org/2021.wassa-1.8/)。

性能表现

采用SENTIPOLC16 Evalita评估体系，将快乐映射为积极类，愤怒/恐惧/悲伤合并为消极类。对比三种训练方案发现，仅使用FEEL-IT训练的效果优于SENTIPOLC16训练集。

使用示例

from transformers import pipeline
classifier = pipeline("text-classification",model='MilaNLProc/feel-it-italian-sentiment',top_k=2)
prediction = classifier("Oggi sono proprio contento!")
print(prediction)

引用格式

学术引用请采用以下BibTeX条目：

@inproceedings{bianchi2021feel,
    title = {{"FEEL-IT: 意大利语情感与情绪分类研究"}},
    author = "比安奇, 费德里科 and 诺扎, 德博拉 and 霍维, 德克",
    booktitle = "第十一届主观性、情感与社交媒体计算研讨会论文集",
    year = "2021",
    publisher = "计算语言学协会",
}