模型介绍
中文整理基于BERT的评论情感分类模型介绍
情感分类，作为自然语言处理领域的核心任务之一，专注于深度挖掘并准确判断文本中蕴含的主观情感倾向，如积极、消极或中性。针对短视频评论，利用 bert-base-chinese 预训练模型训练出的BERT情感分类模型，能够准确地识别评论中的情感色彩。
模型描述
主要构建了一个针对短视频评论数据的情感分类模型，该模型基于 bert-base-chinese 预训练并进行深度微调，用于精准识别短视频评论中的情感倾向。在数据集构建上，结合了高质量人工标注与大模型自动标注，以确保模型的准确性和泛化能力。
期望模型使用方式以及适用范围
使用该模型对短视频平台上的评论进行情感分析。只需输入自然语言文本形式的评论，模型将自动解析并给出该评论的情感分类标签，包括“positive”、“negitive”和“neutral”三种情感倾向。
如何使用
在安装完成ModelScope之后即可使用。
推理代码示例
模型局限性以及可能的偏差
鉴于模型训练数据的局限性，即其规模与领域特定性，该情感分类模型在拓展至其他中文文本领域时，其分类效能可能会遭受一定影响，导致效果有所下降。在基于预训练模型进行二次训练的过程中，为了规避过拟合风险，采取了多重严谨策略。然而，这些措施在强化模型泛化能力的同时，也不可避免地牺牲了对文本细节的深入学习与捕捉，进而影响了模型的准确率等关键性能指标。未来，将持续优化模型参数，不断迭代升级，以期全面提升模型的综合性能。
训练数据介绍
数据主要源自短视频平台的用户评论，通过Python爬虫程序进行采集。数据集部分如下：
由于 bert-base-chinese 模型是基于Transformers框架构建的，它内置了针对中文的tokenizer，这一特性使得在预处理阶段无需手动处理停用词，从而简化了文本处理的流程，提高了效率与准确性。经过数据预处理和标注后的训练集如下：
数据评估及结果
指标 Loss Accuracy Precision Recall F1-score
- --- ------ -------- --------- ------ --------
- 6390 0.7257 0.7162 0.7180 0.7159
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。