许可证：MIT
语言：

• 中文

基础模型：

• joeddav/xlm-roberta-large-xnli

管道标签：文本分类

标签：

• 情感

库名称：transformers

数据集：

• Johnson8187/Chinese_Multi-Emotion_Dialogue_Dataset

中文文本情感分类器

这里有一个基于另一个基础模型微调的模型，具有较小的参数量。对于需要更快推理速度的用户，这个模型是一个合适的选择。实际性能测试结果也没有太大差异。
模型：Chinese-Emotion-Small

📚 模型介绍

本模型基于joeddav/xlm-roberta-large-xnli模型微调，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。

🚀 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  

# 添加设备设置  
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")  

# 标签映射字典  
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"):  
    # 加载模型和分词器  
    tokenizer = AutoTokenizer.from_pretrained(model_path)  
    model = AutoModelForSequenceClassification.from_pretrained(model_path).to(device)  # 移动模型到设备  

    # 将文本转换为模型输入格式  
    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True).to(device)  # 移动输入到设备  

    # 进行预测  
    with torch.no_grad():  
        outputs = model(**inputs)  

    # 取得预测结果  
    predicted_class = torch.argmax(outputs.logits).item()  
    predicted_emotion = label_mapping[predicted_class]  

    return predicted_emotion  

if __name__ == "__main__":  
    # 使用示例  
    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")  

数据集

• 微调数据来自4000个自行标注的高质量繁体中文情感语句数据，覆盖了多种情绪类别，确保模型在情感分类上的泛化能力。
• Johnson8187/Chinese_Multi-Emotion_Dialogue_Dataset

🌟 联系与反馈
如果您在使用该模型时遇到任何问题，请联系：

• 邮箱：fable8043@gmail.com
• Hugging Face 项目页面：chinese-text-emotion-classifier