加载中…
加载中…
Large version(560M):Johnson8187/Chinese-Emotion
大參數版本模型（560M）：Johnson8187/Chinese-Emotion
This model is fine-tuned based on the MoritzLaurer/mDeBERTa-v3-base-mnli-xnli model, specializing in Chinese text emotion analysis.
Through fine-tuning, the model can identify the following 8 emotion labels:
The model is applicable to various scenarios, such as customer service emotion monitoring, social media analysis, and user feedback classification.
本模型基於MoritzLaurer/mDeBERTa-v3-base-mnli-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：
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。
Ensure that you have installed Hugging Face's Transformers library and PyTorch:
pip install transformers torch
###Load the Model Use the following code to load the model and tokenizer, and perform emotion classification:
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-Emotion-Small"):
# 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")
請確保安裝了 Hugging Face 的 Transformers 庫和 PyTorch：
pip install transformers torch
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-Emotion-Small"):
# 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")
🌟 Contact and Feedback If you encounter any issues while using this model, please contact:
Email: fable8043@gmail.com Hugging Face Project Page: chinese-text-emotion-classifier
如果您在使用該模型時有任何問題，請聯繫：
fable8043@gmail.com@misc{lin2024chinese_emotion,
author = {Lin, Cheng-Yen},
title = {Chinese-Emotion: Fine-grained Emotion Classification Model for Traditional Chinese},
year = {2024},
publisher = {Hugging Face},
journal = {Hugging Face repository},
howpublished = {\url{https://huggingface.co/Johnson8187/Chinese-Emotion-Small}}
}