chinese-text-emotion-classifier

Here's a model is fine-tuned based on another base model and features a smaller parameter size. For users who require faster inference speed, this model is a suitable choice.The actual performance test results are also not much different. Model：Chinese-Emotion-Small

此模型是基於另一個基座模型所調整的結果，擁有較小的參數規模。對於有推理速度需求的使用者，可以選擇此模型以達到更快速的性能表現，實際測試性能也相差不大。模型：Chinese-Emotion-Small

📚 Model Introduction

This model is fine-tuned based on the joeddav/xlm-roberta-large-xnli model, specializing in Chinese text emotion analysis.
Through fine-tuning, the model can identify the following 8 emotion labels:

Neutral tone
Concerned tone
Happy tone
Angry tone
Sad tone
Questioning tone
Surprised tone
Disgusted tone

The model is applicable to various scenarios, such as customer service emotion monitoring, social media analysis, and user feedback classification.

📚 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。

🚀 Quick Start

Install Dependencies

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"):
    # 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")

🚀 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-Emotion"):
    # 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")

Dataset

The fine-tuning dataset consists of 4,000 annotated Traditional Chinese emotion samples, covering various emotion categories to ensure the model's generalization capability in emotion classification.
Johnson8187/Chinese_Multi-Emotion_Dialogue_Dataset

數據集

微調數據來自4000個自行標註的高質量繁體中文情感語句數據，覆蓋了多種情緒類別，確保模型在情感分類上的泛化能力。
Johnson8187/Chinese_Multi-Emotion_Dialogue_Dataset

🌟 Contact and Feedback If you encounter any issues while using this model, please contact:

Email: [email protected] Hugging Face Project Page: chinese-text-emotion-classifier

🌟 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：[email protected]
Hugging Face 項目頁面：chinese-text-emotion-classifier

Johnson8187
/

Chinese-Emotion