语言:

• 阿拉伯语 许可证: Apache-2.0 示例输入:
• 文本: "我很好"

CAMeLBERT-CA 情感分析模型

模型描述

CAMeLBERT-CA 情感分析模型是通过对CAMeLBERT古典阿拉伯语(CA)模型进行微调构建的情感分析(SA)模型。微调过程中使用了ASTD、ArSAS和SemEval数据集。我们的微调流程和超参数设置详见论文《阿拉伯语预训练语言模型中变体、规模与任务类型的相互作用》。微调代码已开源在CAMeLBERT项目。

使用场景

您可以通过CAMeL工具包的情感分析组件（推荐）或transformers pipeline直接使用本模型。

使用方法

通过CAMeL工具包使用：

>>> from camel_tools.sentiment import SentimentAnalyzer
>>> sa = SentimentAnalyzer("CAMeL-Lab/bert-base-arabic-camelbert-ca-sentiment")
>>> sentences = ['我很好', '我不好']
>>> sa.predict(sentences)
>>> ['积极', '消极']

通过transformers pipeline使用：

>>> from transformers import pipeline
>>> sa = pipeline('text-classification', model='CAMeL-Lab/bert-base-arabic-camelbert-ca-sentiment')
>>> sentences = ['我很好', '我不好']
>>> sa(sentences)
[{'label': '积极', 'score': 0.9616648554801941},
 {'label': '消极', 'score': 0.9779177904129028}]

注意：需使用transformers>=3.5.0版本下载模型，或手动下载模型文件。

引用文献

@inproceedings{inoue-etal-2021-interplay,
    title = "阿拉伯语预训练语言模型中变体、规模与任务类型的相互作用",
    author = "井上刚, Alhafni Bashar, Baimukan Nurpeiis, Bouamor Houda, Habash Nizar",
    booktitle = "第六届阿拉伯自然语言处理研讨会论文集",
    month = "4月",
    year = "2021",
    address = "乌克兰基辅（线上）",
    publisher = "计算语言学协会",
    abstract = "本文通过构建覆盖现代标准阿拉伯语、方言阿拉伯语和古典阿拉伯语的三个预训练模型，探究了语言变体、数据规模和微调任务类型的影响。实验表明，预训练数据与微调数据的变体相近性比数据规模更重要，这一发现为任务优化系统选择提供了依据。",
}