语言:

• 丹麦语 许可证: Apache-2.0 小部件示例:
• 文本: "这真是太棒了"

丹麦BERT模型卡片

情感极性检测专用丹麦BERT Tone模型

模型详情

模型描述

该BERT Tone模型用于检测丹麦文本的情感极性（积极/中性/消极）。基于BotXO预训练的丹麦BERT模型进行微调。

• 开发机构: DaNLP
• 发布方: Hugging Face（可选标注）
• 模型类型: 文本分类
• 支持语言: 丹麦语(da)
• 许可证: CC-BY-SA-4.0
• 关联模型: 需补充信息
  • 父模型: BERT
• 资源链接:
  • GitHub仓库
  • 相关文档

用途

直接用途

适用于文本分类任务

下游用途（可选）

需补充信息

非适用场景

不得用于制造针对特定群体的敌对或排斥性内容

偏差、风险与局限

语言模型可能存在偏见问题（参见Sheng等(2021)和Bender等(2021)）。模型预测可能包含涉及受保护群体、身份特征或敏感社会群体的有害刻板印象。

使用建议

用户应充分了解模型的潜在风险与局限。需补充具体建议信息

训练详情

训练数据

源自Twitter情感数据集和EuroParl情感数据集2

训练流程

预处理

基于BotXO的丹麦BERT预训练模型微调

速度/规模/耗时

需补充信息

评估

测试数据与指标

测试数据

需补充信息

评估指标

F1分数

结果

需补充信息

模型检验

需补充信息

环境影响

碳排放估算可参考Lacoste等(2019)提出的机器学习碳影响计算器

• 硬件类型: 需补充
• 使用时长: 需补充
• 云服务商: 需补充
• 计算区域: 需补充
• 碳排放量: 需补充

技术规格（可选）

模型架构与目标

需补充信息

计算基础设施

硬件

需补充信息

软件

需补充信息

引用

BibTeX格式:
需补充信息

APA格式:
需补充信息

术语表（可选）

需补充信息

扩展信息（可选）

需补充信息

模型卡片作者

DaNLP与Ezi Ozoani及Hugging Face团队合作编写

联系方式

需补充信息

快速开始指南

使用以下代码加载模型：

from transformers import BertTokenizer, BertForSequenceClassification
 
model = BertForSequenceClassification.from_pretrained("alexandrainst/da-sentiment-base")
tokenizer = BertTokenizer.from_pretrained("alexandrainst/da-sentiment-base")