语言:

• tr 缩略图: https://avatars3.githubusercontent.com/u/32437151?s=460&u=4ec59abc8d21d5feea3dab323d23a5860e6996a4&v=4 标签:
• 文本分类
• 情感分析
• pytorch 数据集:
• 情感数据集（翻译为土耳其语） 评估指标:
• 准确率, F1分数

distilbert-base-turkish-cased-emotion

模型描述:

基于Distilbert-base-turkish-cased模型，在通过Google Translate API翻译为土耳其语的情感数据集上微调，使用HuggingFace Trainer并采用以下超参数:

学习率 2e-5,
批量大小 64,
训练轮数 8,

在Twitter情感数据集上的模型性能比较:

如何使用该模型:

from transformers import pipeline
classifier = pipeline("text-classification",
                       model='zafercavdar/distilbert-base-turkish-cased-emotion',
                       return_all_scores=True)
prediction = classifier("Bu kütüphaneyi seviyorum, en iyi yanı kolay kullanımı.", )
print(prediction)

"""
输出:
[
  [
    {'label': 'sadness', 'score': 0.0026786490343511105},
    {'label': 'joy', 'score': 0.6600754261016846},
    {'label': 'love', 'score': 0.3203163146972656},
    {'label': 'anger', 'score': 0.004358913749456406},
    {'label': 'fear', 'score': 0.002354539930820465},
    {'label': 'surprise', 'score': 0.010216088965535164}
  ]
]

"""

数据集:

Twitter情感分析.

评估结果

{
 'eval_accuracy': 0.8325,
 'eval_f1': 0.8317301441160213,
 'eval_loss': 0.5021793842315674,
 'eval_runtime': 8.6167,
 'eval_samples_per_second': 232.108,
 'eval_steps_per_second': 3.714
}