许可证: mit
语言:

• 俄语
  评估指标:
• f1
• roc_auc
• 精确率
• 召回率
  任务标签: 文本分类
  标签:
• 情感分析
• 多类别分类
• 情感分析
• rubert
• 情感
• bert
• 俄语
• 多类别
• 分类
  数据集:
• sismetanin/rureviews
• RuSentiment
• LinisCrowd2015
• LinisCrowd2016
• KaggleRussianNews

这是基于RuBERT模型微调后的版本，用于对简短的俄语文本进行情感分类。
任务为多类别分类，标签如下：

0: 中性  
1: 积极  
2: 消极  

标签对应俄语：

中性: нейтральный  
积极: позитивный  
消极: негативный  

使用方法

from transformers import pipeline  
model = pipeline(model="seara/rubert-base-cased-russian-sentiment")  
model("Привет, ты мне нравишься!")  
# [{'label': 'positive', 'score': 0.9818321466445923}]  

数据集

该模型在以下数据集的联合数据上训练：

• Kaggle 俄语新闻数据集
• Linis Crowd 2015
• Linis Crowd 2016
• RuReviews
• RuSentiment

训练数据概览可查看S. Smetanin的Github仓库。

Smetanin收集的所有俄语情感数据集的下载链接可在此仓库中找到。

训练

训练在此项目中完成，参数如下：

tokenizer.max_length: 256  
batch_size: 32  
optimizer: adam  
lr: 0.00001  
weight_decay: 0  
epochs: 2  

训练/验证/测试集划分比例为80%/10%/10%。

评估结果（测试集）