🚀 中文文本情感分类小模型
本项目的模型专注于中文文本的情感分析,基于预训练模型微调而来,能够准确识别多种情感标签,可广泛应用于客服、社交媒体等多个场景,助力精准的情感监控与分类。
🚀 快速开始
安装依赖
请确保安装了 Hugging Face 的 Transformers 库和 PyTorch:
pip install transformers torch
加载模型
使用以下代码加载模型和分词器,并进行情感分类:
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
label_mapping = {
0: "平淡语气",
1: "关切语调",
2: "开心语调",
3: "愤怒语调",
4: "悲伤语调",
5: "疑问语调",
6: "惊奇语调",
7: "厌恶语调"
}
def predict_emotion(text, model_path="Johnson8187/Chinese-Emotion-Small"):
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForSequenceClassification.from_pretrained(model_path).to(device)
inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True).to(device)
with torch.no_grad():
outputs = model(**inputs)
predicted_class = torch.argmax(outputs.logits).item()
predicted_emotion = label_mapping[predicted_class]
return predicted_emotion
if __name__ == "__main__":
test_texts = [
"虽然我努力了很久,但似乎总是做不到,我感到自己一无是处。",
"你说的那些话真的让我很困惑,完全不知道该怎么反应。",
"这世界真的是无情,为什么每次都要给我这样的考验?",
"有时候,我只希望能有一点安静,不要再听到这些无聊的话题。",
"每次想起那段过去,我的心还是会痛,真的无法释怀。",
"我从来没有想过会有这么大的改变,现在我觉得自己完全失控了。",
"我完全没想到你会这么做,这让我惊讶到无法言喻。",
"我知道我应该更坚强,但有些时候,这种情绪真的让我快要崩溃了。"
]
for text in test_texts:
emotion = predict_emotion(text)
print(f"文本: {text}")
print(f"预测情绪: {emotion}\n")
✨ 主要特性
- 精准分类:能够准确识别 8 种不同的情感标签,包括平淡语气、关切语调、开心语调等。
- 广泛适用:适用于多种场景,如客服情绪监控、社交媒体分析以及用户反馈分类。
- 泛化能力强:微调数据集覆盖多种情绪类别,保证了模型在情感分类上的泛化能力。
📚 详细文档
模型简介
本模型基于MoritzLaurer/mDeBERTa-v3-base-mnli-xnli 模型进行微调,专注于 中文语句情感分析。
通过微调,模型可以识别以下 8 种情绪标签:
- 平淡语气
- 关切语调
- 开心语调
- 愤怒语调
- 悲伤语调
- 疑问语调
- 惊奇语调
- 厌恶语调
该模型适用于多种场景,例如客服情绪监控、社交媒体分析以及用户反馈分类。
数据集
🌟 联系与反馈
如果您在使用该模型时有任何问题,请联系:
📄 许可证
本项目采用 MIT 许可证。
📦 其他版本
大参数版本模型(560M):Johnson8187/Chinese-Emotion
属性 |
详情 |
模型类型 |
基于 MoritzLaurer/mDeBERTa-v3-base-mnli-xnli 微调的文本分类模型 |
训练数据 |
Johnson8187/Chinese_Multi-Emotion_Dialogue_Dataset 数据集 |