许可证：apache-2.0
数据集：google-research-datasets/go_emotions
基础模型：FacebookAI/xlm-roberta-base
语言：

• 德语
  评估指标：
• 宏观F1值：0.45
• 准确率：0.41
• Kappa系数：0.42
  任务标签：文本分类
  标签：
• 医疗
  模型描述：
  本模型本质上是arpanghoshal/EmoRoBERTa的德语版本。我们使用go_emotions数据集，将其翻译为德语后对FacebookAI/xlm-roberta-base模型进行微调。该模型可对德语文本中的28种情绪进行分类（'钦佩'、'娱乐'、'愤怒'、'恼怒'、'赞同'、'关怀'、'困惑'、'好奇'、'渴望'、'失望'、'反对'、'厌恶'、'尴尬'、'兴奋'、'恐惧'、'感激'、'悲伤'、'快乐'、'爱'、'紧张'、'乐观'、'自豪'、'领悟'、'解脱'、'悔恨'、'悲伤'、'惊讶'、'中立'）。相关论文即将发表。

德语情绪模型卡

本模型是arpanghoshal/EmoRoBERTa的德语翻译版本。我们使用go_emotions数据集，将其翻译为德语后对FacebookAI/xlm-roberta-base模型进行微调。该模型可对德语文本中的28种情绪进行分类（'钦佩'、'娱乐'、'愤怒'、'恼怒'、'赞同'、'关怀'、'困惑'、'好奇'、'渴望'、'失望'、'反对'、'厌恶'、'尴尬'、'兴奋'、'恐惧'、'感激'、'悲伤'、'快乐'、'爱'、'紧张'、'乐观'、'自豪'、'领悟'、'解脱'、'悔恨'、'悲伤'、'惊讶'、'中立'）。详细信息请参见文末发表的论文。

模型详情

• 模型类型：文本分类
• 支持语言：德语
• 许可证：apache-2.0
• 微调基础模型：FacebookAI/xlm-roberta-base
• 超参数：
  • 训练轮次：10
  • 学习率：3e-5
  • 权重衰减：0.01
• 评估指标：
  • 准确率：0.41
  • F1值：0.45
  • Kappa系数：0.42

分类指标

快速开始

使用以下代码加载模型：

# 安装依赖：pip install transformers[torch] pandas numpy tqdm openpyxl  
import pandas as pd  
import torch  
from transformers import AutoTokenizer, AutoModelForSequenceClassification, Trainer  
# 完整代码参见原文（此处保留原始代码结构）  

引用文献

使用本模型时请引用我们的同行评审论文：

@article{Lalk2025EmotionDetection,  
  author = {Christopher Lalk 等},  
  title = {采用大语言模型进行心理治疗转录本情绪检测},  
  journal = {精神病学前沿},  
  volume = {16},  
  year = {2025},  
  doi = {10.3389/fpsyt.2025.1504306}  
}