license: apache-2.0 datasets:

• hadyelsahar/ar_res_reviews language:
• ar metrics:
• accuracy
• precision
• recall
• f1 base_model:
• aubmindlab/bert-base-arabertv02 pipeline_tag: text-classification tags:
• arabic
• sentiment-analysis
• transformers
• huggingface
• bert
• restaurants
• fine-tuning
• nlp inference: true

🍽️ 阿拉伯语餐厅评论情感分析 🚀

📌 概述

这个经过微调的AraBERT模型可以将阿拉伯语餐厅评论分类为正面或负面。
它基于aubmindlab/bert-base-arabertv2，并使用Hugging Face Transformers进行了微调。

🔥 为什么选择这个模型？

✅ 使用真实的餐厅评论数据训练，数据来自Hugging Face数据集。
✅ 完整训练微调（非LoRA或适配器方法）。
✅ 平衡的数据集（2418条正面评论 vs. 2418条负面评论）。
✅ 高准确率和性能，适用于阿拉伯语情感分析。

🚀 立即试用模型！

直接从Hugging Face Space运行推理：

📥 数据集与预处理

• 数据集来源: hadyelsahar/ar_res_reviews
• 文本清洗：
  • 移除了非阿拉伯语文本、特殊字符和多余空格。
  • 标准化阿拉伯字符（如إ, أ, آ → ا，ة → ه）。
  • 平衡了正面与负面情感分布。
• 分词处理：
  • 使用AraBERT分词器（aubmindlab/bert-base-arabertv2）。
• 训练-测试集划分：
  • 80%训练集 | 20%测试集。

🏋️ 训练与性能

模型使用Hugging Face Transformers进行微调，超参数如下：

📊 最终模型结果

⚙️ 训练配置

training_args = TrainingArguments(
    output_dir="./results",
    evaluation_strategy="epoch",
    save_strategy="epoch",
    per_device_train_batch_size=8,
    per_device_eval_batch_size=8,
    num_train_epochs=4,
    weight_decay=1,
    learning_rate=1e-5,
    lr_scheduler_type="cosine",
    warmup_ratio=0.1,
    fp16=True,
    save_total_limit=2,
    gradient_accumulation_steps=2,
    load_best_model_at_end=True,
    max_grad_norm=1.0,
    metric_for_best_model="eval_loss",
    greater_is_better=False,
)

💡 使用方法

1️⃣ 使用pipeline()快速推理

from transformers import pipeline

model_name = "Abduuu/ArabReview-Sentiment"
sentiment_pipeline = pipeline("text-classification", model=model_name)

review = "الطعام كان رائعًا والخدمة ممتازة!"
result = sentiment_pipeline(review)
print(result)

✅ 示例输出：

[{'label': 'Positive', 'score': 0.91551274061203}]

📉 训练与验证损失曲线

模型训练了4个周期，最佳模型在第2周期选出（验证损失最低）。

📊 数据集类别分布

如有问题或合作意向，欢迎联系！🚀