metadata

license: mit
language:
  - zh
base_model:
  - joeddav/xlm-roberta-large-xnli
pipeline_tag: text-classification
tags:
  - emotion

chinese-text-emotion-classifier

📚 模型簡介

本模型基於joeddav/xlm-roberta-large-xnli 模型進行微調，專注於 中文語句情感分析。
通過微調，模型可以識別以下 8 種情緒標籤：

平淡語氣
關切語調
開心語調
憤怒語調
悲傷語調
疑問語調
驚奇語調
厭惡語調

該模型適用於多種場景，例如客服情緒監控、社交媒體分析以及用戶反饋分類。

🚀 快速開始

安裝依賴

請確保安裝了 Hugging Face 的 Transformers 庫和 PyTorch：

pip install transformers torch

加載模型

使用以下代碼加載模型和分詞器，並進行情感分類：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 添加設備設定
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# 標籤映射字典
label_mapping = {
    0: "平淡語氣",
    1: "關切語調",
    2: "開心語調",
    3: "憤怒語調",
    4: "悲傷語調",
    5: "疑問語調",
    6: "驚奇語調",
    7: "厭惡語調"
}

def predict_emotion(text, model_path="Johnson8187/chinese-text-emotion-classifier"):
    # 載入模型和分詞器
    tokenizer = AutoTokenizer.from_pretrained(model_path)
    model = AutoModelForSequenceClassification.from_pretrained(model_path).to(device)  # 移動模型到設備
    
    # 將文本轉換為模型輸入格式
    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True).to(device)  # 移動輸入到設備
    
    # 進行預測
    with torch.no_grad():
        outputs = model(**inputs)
    
    # 取得預測結果
    predicted_class = torch.argmax(outputs.logits).item()
    predicted_emotion = label_mapping[predicted_class]
    
    return predicted_emotion

if __name__ == "__main__":
    # 使用範例
    test_texts = [
        "雖然我努力了很久，但似乎總是做不到，我感到自己一無是處。",
        "你說的那些話真的讓我很困惑，完全不知道該怎麼反應。",
        "這世界真的是無情，為什麼每次都要給我這樣的考驗？",
        "有時候，我只希望能有一點安靜，不要再聽到這些無聊的話題。",
        "每次想起那段過去，我的心還是會痛，真的無法釋懷。",
        "我從來沒有想過會有這麼大的改變，現在我覺得自己完全失控了。",
        "我完全沒想到你會這麼做，這讓我驚訝到無法言喻。",
        "我知道我應該更堅強，但有些時候，這種情緒真的讓我快要崩潰了。"
    ]

    for text in test_texts:
        emotion = predict_emotion(text)
        print(f"文本: {text}")
        print(f"預測情緒: {emotion}\n")

數據集

微調數據集來自4000個標註的繁體中文情感數據集，覆蓋了多種情緒類別，確保模型在情感分類上的泛化能力。

🌟 聯繫與反饋

如果您在使用該模型時有任何問題，請聯繫：

郵箱：fable8043@gmail.com
Hugging Face 項目頁面：chinese-text-emotion-classifier