语言:

• 繁体中文 标签:
• ALBERT模型
• 文本分类 许可协议:
• AFL-3.0 评估指标:
• 准确率

繁体中文情感分类模型：负面(0)、正面(1)

基于ckiplab/albert预训练模型进行微调，训练数据集仅含8万条样本，作为教学演示用途的基准模型。

使用示例：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("clhuang/albert-sentiment")
model = AutoModelForSequenceClassification.from_pretrained("clhuang/albert-sentiment")

## 预测功能
target_names=['负面','正面']
max_length = 200 # 最大文本长度 若超过模型训练时的最大长度，则以模型限制为准
def get_sentiment_proba(text):
    # 将文本转换为token序列
    inputs = tokenizer(text, padding=True, truncation=True, max_length=max_length, return_tensors="pt")
    # 模型推理
    outputs = model(**inputs)
    # 通过softmax获取概率分布
    probs = outputs[0].softmax(1)

    response = {'负面': round(float(probs[0, 0]), 2), '正面': round(float(probs[0, 1]), 2)}
    # 执行argmax函数获取预测标签
    #return probs.argmax()
    return response

get_sentiment_proba('我喜欢这本书')
get_sentiment_proba('不喜欢这款产品')