Mickey-yy/my-emotion-model

DistilBERT fine-tuned on the Emotion dataset

本模型在 emotion 数据集上对 distilbert-base-uncased 进行了微调，用于英文文本的六类情感分类： sadness, joy, love, anger, fear, surprise。

评测结果

指标	测试集	验证集
accuracy	0.921	0.944
weighted-F1	0.922	0.944
macro-F1	0.874	0.921

测试集（test split，未参与训练/调参）各类别 F1：sadness 0.961 / joy 0.944 / anger 0.923 / love 0.832 / fear 0.872 / surprise 0.709。其中最稀有的 surprise（仅 66 条）表现最弱。

训练设置

• base model: distilbert-base-uncased
• learning rate: 5e-5（由学习率扫描确定，1e-3 会发散、2e-5 略低）
• epochs: 2，batch size: 64，weight decay: 0.01
• seed: 42（结果可复现）

用法

from transformers import pipeline

clf = pipeline("text-classification",
               model="Mickey-yy/my-emotion-model")
clf("I love this so much!")
# [{'label': 'joy', 'score': 0.99...}]

局限性

模型主要依赖表层情感词汇，对反讽、否定、混合情感及表情符号/网络口语等分布外输入鲁棒性有限 （例如 “I do not feel happy” 可能仍被判为 joy）。在稀有类别（love/surprise）上的表现也相对较弱。