语言: 中文 标签:

• 文本分类
• PyTorch
• ModernBERT
• 情感分析
• 多类别分类 数据集:
• 超级情感数据集 许可证: CC-BY-4.0 评估指标:
• 准确率
• F1值
• 精确率
• 召回率 基础模型:
• answerdotai/ModernBERT-base 小部件示例:
• 文本: "能参与这段奇妙旅程让我激动不已！"
• 文本: "我对结果感到非常失望。"
• 文本: "这是一个关于蛋糕的中性陈述。" 库名称: transformers

概述

本模型基于ModernBERT-base在超级情感数据集上进行微调，用于多类别情感分类。可预测文本中七种情感标签：喜悦、悲伤、愤怒、恐惧、爱、中性、惊讶。

模型详情

• 基础模型: ModernBERT-base
• 微调数据集: 超级情感数据集
• 标签数量: 7
• 问题类型: 单标签分类
• 语言: 英语
• 许可证: CC-BY-4.0
• 微调框架: Hugging Face Transformers

使用示例

通过Hugging Face Transformers使用该模型的方法：

from transformers import pipeline

# 加载模型
classifier = pipeline(
    "text-classification", 
    model="cirimus/modernbert-base-emotions",
    top_k=5
)

text = "简直不敢相信这刚刚发生了！"
predictions = classifier(text)

# 打印检测到的前3种情感
sorted_preds = sorted(predictions[0], key=lambda x: x['score'], reverse=True)
top_3 = sorted_preds[:3]

print("\n检测到的前3种情感：")
for pred in top_3:
    print(f"\t{pred['label']:10s} : {pred['score']:.3f}")

# 示例输出：
# 检测到的前3种情感：
#        惊讶      : 0.913
#        悲伤      : 0.033
#        中性      : 0.021

模型创建过程

模型使用以下超参数微调2个epoch：

• 学习率: 2e-5
• 批量大小: 16
• 权重衰减: 0.01
• 预热步骤: 余弦衰减调度
• 优化器: AdamW
• 评估指标: 精确率、召回率、F1值（宏平均）、准确率

评估结果

在联合测试集上的评估结果：