M

Multilingual Go Emotions

由 AnasAlokla 开发

基于BERT的多语言情感分类模型，支持6种语言的文本情感分析

支持多种语言

#多语言情感分析 #BERT微调 #聊天机器人交互

下载量 319

发布时间 : 3/28/2025

模型介绍

内容详情

替代品

模型简介

该模型基于bert-base-multilingual-cased预训练模型，在multilingual_go_emotions数据集上进行微调，用于多标签情感分类任务。

模型特点

多语言支持

支持6种语言的情感分析，包括阿拉伯语、英语、法语等

细粒度情感分类

能够识别27种不同的情感类别，包括钦佩、娱乐、愤怒等

BERT架构

基于强大的BERT预训练模型，具有优秀的文本理解能力

模型能力

多语言文本情感分析

多标签情感分类

实时情感检测

使用案例

社交媒体分析

用户评论情感分析

分析社交媒体上用户评论的情感倾向

可识别多种复杂情感状态

客户服务

客户反馈情感分析

自动分析客户反馈中的情感状态

帮助识别愤怒或不满的客户

数据集:

AnasAlokla/multilingual_go_emotions 语言:
阿拉伯语
英语
法语
西班牙语
荷兰语
土耳其语评估指标:
准确率
F1值
召回率基础模型:
google-bert/bert-base-multilingual-cased 任务标签: 文本分类

概述

本模型基于bert-base-multilingual-cased预训练模型，在multilingual_go_emotions数据集上进行微调，用于多标签分类任务。

多语言GoEmotions聊天机器人项目报告

作者: 安纳斯·哈米德·阿洛克拉

本仓库/空间包含基于GoEmotions数据集的多语言情感分类模型及聊天机器人的详细信息。

相关链接

在线演示: https://huggingface.co/spaces/AnasAlokla/test_emotion_chatbot
数据集(支持6种语言): https://huggingface.co/datasets/AnasAlokla/multilingual_go_emotions
使用模型: https://huggingface.co/AnasAlokla/multilingual_go_emotions
GitHub代码: https://github.com/anasAloklah/emotion_chatbot

测试集性能表现

下表展示了微调模型在测试集上按情感类别划分的各项性能指标。

情感类别	准确率	精确率	召回率	F1值	MCC值	样本数	阈值
钦佩	0.942	0.652	0.684	0.667	0.636	2790	0.4
娱乐	0.973	0.735	0.817	0.774	0.76	1866	0.35
愤怒	0.96	0.411	0.364	0.386	0.366	1128	0.35
恼怒	0.896	0.246	0.481	0.325	0.293	1704	0.15
赞同	0.91	0.329	0.383	0.354	0.307	2094	0.2
关心	0.958	0.285	0.46	0.352	0.341	816	0.15
困惑	0.965	0.444	0.401	0.421	0.404	1020	0.25
好奇	0.935	0.433	0.74	0.546	0.535	1734	0.25
渴望	0.984	0.404	0.534	0.46	0.457	414	0.25
失望	0.942	0.224	0.345	0.272	0.249	1014	0.15
不赞同	0.935	0.306	0.413	0.352	0.322	1398	0.25
厌恶	0.975	0.343	0.418	0.377	0.366	600	0.15
尴尬	0.99	0.28	0.242	0.26	0.255	240	0.1
兴奋	0.973	0.344	0.425	0.38	0.369	624	0.15
恐惧	0.987	0.599	0.522	0.558	0.553	498	0.35
感激	0.989	0.924	0.902	0.913	0.907	2004	0.4
悲伤	0.999	0	0	0	0	36	0.05
快乐	0.965	0.454	0.532	0.49	0.474	1032	0.25
爱	0.973	0.731	0.829	0.777	0.765	1812	0.35
紧张	0.996	0.385	0.25	0.303	0.308	120	0.1
乐观	0.973	0.588	0.525	0.555	0.542	1062	0.25
自豪	0.997	0	0	0	0	84	0.05
领悟	0.962	0.202	0.189	0.195	0.176	792	0.15
解脱	0.996	0	0	0	0	138	0.05
悔恨	0.988	0.597	0.808	0.687	0.689	516	0.15
难过	0.97	0.548	0.434	0.484	0.473	1062	0.4
惊讶	0.974	0.487	0.569	0.524	0.513	828	0.3
中性	0.726	0.551	0.818	0.658	0.468	10524	0.2

微调过程性能表现

以下图表展示了模型在微调过程中各epoch的性能变化趋势。

损失曲线(训练集 vs 验证集)

准确率曲线(训练集 vs 验证集)

F1值曲线(训练集 vs 验证集)

精选推荐AI模型

Llama 3 Typhoon V1.5x 8b Instruct

专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务

大型语言模型

支持多种语言

Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。

Roberta Base Chinese Extractive Qa

基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。

AIbase

AIbase是一个专注于MCP服务的平台，为AI开发者提供高质量的模型上下文协议服务，助力AI应用开发。

简体中文

热门模型

Llama 3 Typhoon V1.5x 8b Instruct

Roberta Base Chinese Extractive Qa

热门模型分类

大型语言模型

热门标签

多语言支持

低资源优化

低词错误率

基于Transformer

SentencePiece预处理

© 2025AIbase 备案号：闽ICP备08105208号-24