英文情感分析模型 DistilRoBERTa-base

模型说明 ℹ

本模型可用于英文文本情感分类。基于6个多样化数据集训练（详见附录），可预测埃克曼六种基本情绪及中性类别：

1. 愤怒 🤬
2. 厌恶 🤢
3. 恐惧 😨
4. 快乐 😀
5. 中性 😐
6. 悲伤 😭
7. 惊讶 😲

本模型是在DistilRoBERTa-base基础上微调而成。如需"非蒸馏版"情感模型，请参阅RoBERTa-large版模型卡片。

使用方法 🚀

a) 在Google Colab上使用Hugging Face的pipeline命令，三行代码实现单文本情感分析：

from transformers import pipeline
classifier = pipeline("text-classification", model="j-hartmann/emotion-english-distilroberta-base", return_all_scores=True)
classifier("I love this!")

b) 在Google Colab上对多文本或完整数据集（如.csv文件）进行情感分析：

联系方式 💻

如有疑问或反馈，请联系jochen.hartmann@tum.de

特别感谢Samuel Domdey和chrsiebert对本模型发布的支持。

引用规范 ✅

使用本模型时请引用以下文献（工作论文即将发布）：

Jochen Hartmann, "Emotion English DistilRoBERTa-base". https://huggingface.co/j-hartmann/emotion-english-distilroberta-base/, 2022.

BibTex格式：

@misc{hartmann2022emotionenglish,
  author={Hartmann, Jochen},
  title={Emotion English DistilRoBERTa-base},
  year={2022},
  howpublished = {\url{https://huggingface.co/j-hartmann/emotion-english-distilroberta-base/}},
}

训练数据附录 📚

下表概述了训练使用的数据集（均为英文文本），展示了各数据集包含的情绪标签类型。这些数据集涵盖Twitter推文、Reddit帖子、学生自我报告和电视剧对话等多种文本类型。由于MELD（多模态情感线数据集）已扩展流行的EmotionLines数据集，此处不再单独包含EmotionLines。

模型训练采用上述数据集的平衡子集（每种情绪2,811条样本，总计近2万条）。其中80%用于训练，20%用于评估，模型准确率达66%（随机基线准确率为1/7≈14%）。

学术应用 📖

以下为使用本模型的已发表论文列表（如需添加您的论文，请邮件联系）：

• Butt等 (2022).《谣言与非谣言推文及其反应的心理语言学分析》
• Kuang等 (2022).《音乐到文本的通感：从音乐录音生成描述性文本》
• Rozado等 (2022).《使用Transformer模型自动标注的新闻标题情感与情绪纵向分析》