Sagemaker Roberta Base Emotion

由 Jorgeutd 开发

基于RoBERTa-base架构微调的多类别文本分类模型，专为情绪检测任务设计，在emotion数据集上验证准确率达94.1%。

文本分类

Transformers

英语

开源协议:Apache-2.0 #高精度情绪分类 #SageMaker优化 #RoBERTa微调

下载量 41

发布时间 : 3/2/2022

模型介绍

内容详情

替代品

模型简介

该模型通过Amazon SageMaker和Hugging Face深度学习容器微调，用于检测文本中的情绪类别，支持高精度多分类任务。

模型特点

高精度情绪识别

在emotion测试集上达到93.1%的准确率和94.13的F1分数

SageMaker优化

通过Amazon SageMaker平台优化训练，支持高效推理

鲁棒文本处理

基于RoBERTa-base架构，擅长处理复杂文本语义

模型能力

文本情绪分类

多类别预测

自然语言理解

使用案例

情感分析

客户反馈分析

自动分析客户评论中的情绪倾向

准确识别沮丧/愤怒等负面情绪（示例输入验证）

社交媒体监控

实时监测社交媒体帖子的情绪分布

语言: 英语
许可证: Apache-2.0
标签:

SageMaker
RoBERTa-base
文本分类
数据集:
emotion

示例输入:

文本: "我真的很沮丧，因为我必须拨打保险卡背面的号码三次才能得到应答"

模型索引:

名称: sagemaker-roberta-base-emotion
结果:
- 任务:
  类型: 文本分类
  名称: 多类别文本分类
  数据集:
  名称: emotion
  类型: emotion
  指标:
  - 类型: 准确率
    值: 94.1
    名称: 验证准确率
  - 类型: F1分数
    值: 94.13
    名称: 验证F1
- 任务:
  类型: 文本分类
  名称: 文本分类
  数据集:
  名称: emotion
  类型: emotion
  配置: 默认
  拆分: 测试集
  指标:
  - 类型: 准确率
    值: 0.931
    名称: 准确率
    已验证: 是
  - 类型: 精确率
    值: 0.8833042147663716
    名称: 宏平均精确率
    已验证: 是
  - 类型: 精确率
    值: 0.931
    名称: 微平均精确率
    已验证: 是
  - 类型: 精确率
    值: 0.9337002742192515
    名称: 加权精确率
    已验证: 是
  - 类型: 召回率
    值: 0.9087144572668905
    名称: 宏平均召回率
    已验证: 是
  - 类型: 召回率
    值: 0.931
    名称: 微平均召回率
    已验证: 是
  - 类型: 召回率
    值: 0.931
    名称: 加权召回率
    已验证: 是
  - 类型: F1分数
    值: 0.8949974527433656
    名称: 宏平均F1
    已验证: 是
  - 类型: F1分数
    值: 0.931
    名称: 微平均F1
    已验证: 是
  - 类型: F1分数
    值: 0.9318434300647934
    名称: 加权F1
    已验证: 是
  - 类型: 损失
    值: 0.17379647493362427
    名称: 损失值
    已验证: 是

RoBERTa-base模型

该模型是通过Amazon SageMaker和新的Hugging Face深度学习容器进行微调的模型。

问题类型: 多类别文本分类（情绪检测）。

在评估集上取得以下结果:

损失: 0.1613253802061081
F1分数: 0.9413321705151999

超参数

{  
    "epochs": 10,  
    "train_batch_size": 16,  
    "learning_rate": 3e-5,   
    "weight_decay":0.01,  
    "load_best_model_at_end": true,  
    "model_name":"roberta-base",  
    "do_eval": true,  
    "load_best_model_at_end":true  
}