语言:

• 德语 标签:
• 情感分析
• BERT 许可证: MIT 小部件示例:
• 文本: "这其实还不错" 评估指标:
• F1值

基于BERT的德语情感分类模型

本模型专为德语文本情感分类而训练。为达到最佳效果，所有输入文本需采用与训练时相同的预处理流程。为简化使用，我们提供了包含预处理和推理代码的Python工具包。

Python工具包使用指南

通过pip安装工具包：

pip install germansentiment

基础使用示例：

from germansentiment import SentimentModel

model = SentimentModel()

texts = [
    "结果很不理想", "这其实并不算好",
    "太棒了！", "比预期要好些",
    "检测结果呈阳性", "她开着一辆绿色汽车"]
       
result = model.predict_sentiment(texts)
print(result)

输出结果示例：

["消极","消极","积极","积极","中性", "中性"]

获取分类概率

classes, probabilities = model.predict_sentiment(["这太棒了"], output_probabilities=True)
print(classes, probabilities)

概率输出示例：

['积极'] [[['积极', 0.976], ['消极', 0.024], ['中性', 0.0003]]]

模型与数据

训练代码和数据集详见GitHub仓库及研究论文。下表展示模型在不同数据集上的F1得分（由于使用了新版transformer库，结果较论文略有提升）：

引用

如有疑问请联系邮件或Twitter @oliverguhr。引用格式：

@InProceedings{guhr-EtAl:2020:LREC,
  author    = {Guhr, Oliver 等},
  title     = {面向对话系统的德语广覆盖情感分类模型训练},
  booktitle = {第12届语言资源与评估会议论文集},
  year      = {2020},
  pages     = {1620--1625}
}