语言:

• 阿拉伯语 许可证: Apache-2.0 示例输入:
• 文本: "我很好"

CAMeLBERT-DA 情感分析模型

模型描述

CAMeLBERT-DA 情感分析模型是基于CAMeLBERT方言阿拉伯语(DA)模型微调构建的情感分析(SA)模型。微调过程中使用了ASTD、ArSAS和SemEval数据集。完整的微调流程和超参数设置可参阅我们的论文《阿拉伯语预训练语言模型中变体、规模与任务类型的交互影响》，微调代码已开源在GitHub仓库。

使用场景

您可以通过CAMeL工具包的情感分析组件（推荐）或transformers流水线直接使用本模型。

使用方法

通过CAMeL工具包使用：

>>> from camel_tools.sentiment import SentimentAnalyzer
>>> sa = SentimentAnalyzer("CAMeL-Lab/bert-base-arabic-camelbert-da-sentiment")
>>> sentences = ['我很好', '我不好']
>>> sa.predict(sentences)
>>> ['积极', '消极']

通过transformers流水线直接使用：

>>> from transformers import pipeline
>>> sa = pipeline('text-classification', model='CAMeL-Lab/bert-base-arabic-camelbert-da-sentiment')
>>> sentences = ['我很好', '我不好']
>>> sa(sentences)
[{'label': '积极', 'score': 0.9616648554801941},
 {'label': '消极', 'score': 0.9779177904129028}]

注意：下载模型需要transformers>=3.5.0版本，也可选择手动下载模型文件。

文献引用

@inproceedings{inoue-etal-2021-interplay,
    title = "阿拉伯语预训练语言模型中变体、规模与任务类型的交互影响",
    author = "井上刚 and Alhafni, Bashar and Baimukan, Nurpeiis and Bouamor, Houda and Habash, Nizar",
    booktitle = "第六届阿拉伯自然语言处理研讨会论文集",
    month = "4月",
    year = "2021",
    address = "乌克兰基辅（线上）",
    publisher = "计算语言学协会",
    abstract = "本文系统研究了语言变体、数据规模和微调任务类型对阿拉伯语预训练语言模型的影响。我们针对现代标准阿拉伯语(MSA)、方言阿拉伯语和古典阿拉伯语三种变体分别构建了预训练模型，并额外训练了混合三种变体的综合模型。通过控制MSA变体的预训练数据规模，我们进一步探究了数据量的影响。在涵盖5个NLP任务12个数据集的评测中，本研究表明：预训练数据与微调数据的变体相近性比预训练数据规模更重要，基于此发现我们建立了面向特定任务的优化系统选择模型。",
}