language: multilingual

tags:

• 情感分析
• 多语言情感分析

widget:

• text: "看！那里有超可爱的水豚！" example_title: "情感分类示例1"
• text: "你真是个混蛋！！" example_title: "情感分类示例2"
• text: "真是个好消息！" example_title: "情感分类示例3"

arxiv: ""

费德里科·比安奇 • 德博拉·诺扎 • 德克·霍维

摘要

文本情感检测让社会和计算科学家能够研究人们对网络事件的反应行为。然而，为不同语言开发此类工具所需的数据并不总是可获取的。本文收集了涵盖19种语言的现有情感检测数据集，并训练了一个针对社交媒体数据的多语言情感预测模型XLM-EMO。该模型在零样本学习场景中展现出竞争力，表明其在低资源语言环境下具有实用价值。我们将模型开源，供研究者直接使用。

模型

本模型是基于XLM-T模型的微调版本。

使用范围

本模型主要作为研究产出供学术社区使用。

主要用途

主要目标用户为人工智能领域研究者。

性能指标

该模型在测试集上的F1分数达到0.85。

许可声明

模型使用可能受到原始数据集许可条款或Twitter数据使用条例的限制。建议用户查阅各原始数据集许可协议及Twitter平台规定。

本软件按"原样"提供，不附带任何明示或暗示担保，包括但不限于适销性担保、特定用途适用性担保和非侵权担保。作者或版权方不对任何索赔、损害或其他责任负责，无论是合同诉讼、侵权诉讼还是其他诉讼中产生的责任。

引用规范

如在项目中使用本模型，请引用以下文献：

@inproceedings{bianchi2021feel,
    title = "{XLM-EMO：社交媒体文本的多语言情感预测}",
    author = "比安奇, 费德里科 and 诺扎, 德博拉 and 霍维, 德克",
    booktitle = "第十二届主观性、情感与社交媒体分析计算方法研讨会论文集",
    year = "2022",
    publisher = "计算语言学协会",
}