pipeline_type: "text-classification"

widget:

• text: "这是一条温馨的信息" example_title: "示例1" multi_class: false
• text: "你是个白痴，你和你的家人都该滚回自己国家" example_title: "示例2" multi_class: false

language:

• 英语
• 荷兰语
• 法语
• 葡萄牙语
• 意大利语
• 西班牙语
• 德语
• 丹麦语
• 波兰语
• 南非荷兰语

datasets:

• jigsaw毒性预测数据集 metrics:
• F1准确率

citizenlab/twitter-xlm-roberta-base-sentiment-finetunned

这是基于Cardiff NLP团队情感分类模型微调的多语言XLM-Roberta序列分类模型。

使用方法

from transformers import pipeline

model_path = "citizenlab/twitter-xlm-roberta-base-sentiment-finetunned"

sentiment_classifier = pipeline("text-classification", model=model_path, tokenizer=model_path)
sentiment_classifier("这是一条温馨的信息")
> [{'label': '积极', 'score': 0.9918450713157654}]

sentiment_classifier("你是个白痴，你和你的家人都该滚回自己国家")
> [{'label': '消极', 'score': 0.9849833846092224}]

评估结果

              精确率   召回率  f1值   支持数

    消极类       0.57      0.14      0.23        28
    中性类       0.78      0.94      0.86       132
    积极类       0.89      0.80      0.85        51

    准确率                           0.80       211
  宏平均       0.75      0.63      0.64       211
加权平均       0.78      0.80      0.77       211