语言:

• 英文 标签:
• 基于方面的情感分析
• PyABSA 许可证: MIT 数据集:
• 笔记本14
• 餐厅14
• 餐厅16
• ACL-Twitter
• MAMS
• 电视
• T恤
• Yelp 评估指标:
• 准确率
• 宏平均F1 示例输入:
• 文本: "[CLS] 当餐桌空出来时，经理却先安排了另一桌客人。[SEP] 经理 [SEP] "

由PyABSA驱动：一个基于方面的情感分析开源工具

该模型使用超过3万条ABSA样本进行训练，详见ABSADatasets。测试集未包含在预训练中，因此您可以使用此模型在常见的ABSA数据集（如Laptop14、Rest14数据集）上进行训练和基准测试。（Rest15数据集除外！）

使用方法

from transformers import AutoTokenizer, AutoModelForSequenceClassification

# 加载ABSA模型和分词器
model_name = "yangheng/deberta-v3-base-absa-v1.1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

classifier = pipeline("text-classification", model=model, tokenizer=tokenizer)

for aspect in ['相机', '手机']:
   print(aspect, classifier('这部手机的相机质量非常出色。',  text_pair=aspect))

用于基于方面的情感分析的DeBERTa模型

deberta-v3-base-absa模型专为基于方面的情感分析设计，使用来自ABSADatasets的英文数据集训练。

训练模型

此模型基于FAST-LCF-BERT模型，采用microsoft/deberta-v3-base进行训练，源自PyABSA。 要追踪最先进的模型，请参阅PyASBA。

PyASBA中的示例

在PyASBA数据集中使用FAST-LCF-BERT的示例。

数据集

该模型通过18万条ABSA数据集样本（包括增强数据）进行微调。训练数据集文件包括：

加载：integrated_datasets/apc_datasets/SemEval/laptop14/Laptops_Train.xml.seg
加载：integrated_datasets/apc_datasets/SemEval/restaurant14/Restaurants_Train.xml.seg
加载：integrated_datasets/apc_datasets/SemEval/restaurant16/restaurant_train.raw
加载：integrated_datasets/apc_datasets/ACL_Twitter/acl-14-short-data/train.raw
加载：integrated_datasets/apc_datasets/MAMS/train.xml.dat
加载：integrated_datasets/apc_datasets/Television/Television_Train.xml.seg
加载：integrated_datasets/apc_datasets/TShirt/Menstshirt_Train.xml.seg
加载：integrated_datasets/apc_datasets/Yelp/yelp.train.txt

如果您在研究中使用了此模型，请引用我们的论文：

@inproceedings{DBLP:conf/cikm/0008ZL23,
  作者       = {杨恒 and
                张晨 and
                李科},
  编辑       = {Ingo Frommholz and
                 Frank Hopfgartner and
                 Mark Lee and
                 Michael Oakes and
                 Mounia Lalmas and
                 Min Zhang and
                 Rodrygo L. T. Santos},
  标题       = {PyABSA：一个模块化的可重复基于方面情感分析框架},
  会议名称    = {第32届ACM国际信息与知识管理会议论文集，{CIKM} 2023，英国伯明翰，2023年10月21-25日},
  页码       = {5117--5122},
  出版社    = {{ACM}},
  年份       = {2023},
  网址       = {https://doi.org/10.1145/3583780.3614752},
  DOI        = {10.1145/3583780.3614752},
  时间戳    = {2023年11月23日 13:25:05 +0100},
  文献链接  = {https://dblp.org/rec/conf/cikm/0008ZL23.bib},
  文献来源  = {dblp计算机科学文献库, https://dblp.org}
}
@article{YangZMT21,
  作者    = {杨恒 and
              曾碧青 and
              徐麦宜 and
              王天行},
  标题    = {回归现实：利用模式驱动建模实现经济高效的情感依赖学习},
  期刊   = {CoRR},
  卷号    = {abs/2110.08604},
  年份    = {2021},
  网址    = {https://arxiv.org/abs/2110.08604},
  电子版类型 = {arXiv},
  电子版   = {2110.08604},
  时间戳 = {2021年10月22日 13:33:09 +0200},
  文献链接 = {https://dblp.org/rec/journals/corr/abs-2110-08604.bib},
  文献来源 = {dblp计算机科学文献库, https://dblp.org}
}