05
感情分析・テキスト分類(Sentiment Analysis & Text Classification)
5.1 辞書ベースの感情分析
| ツール名 | 週間DL数 | 累計DL数 | Star数 | 特徴 |
|---|---|---|---|---|
| oseti | 169 | 178k | 99 | 日本語感情極性辞書ベース |
| pymlask | 107 | 68k | 119 | ML-Askベースの感情分析 |
osetiは岩波国語辞典の感情極性辞書に基づく感情分析ツールであり、ルールベースながら日本語テキストのポジティブ/ネガティブ判定を手軽に行えます。
pymlaskは「喜び」「悲しみ」「怒り」など複数の感情カテゴリを判定可能なツールであり、感情語辞書ML-Askに基づいています。
oseti
日本語感情極性辞書ベース
99 169/w
pymlask
ML-Askベースの感情分析
119 107/w
5.2 機械学習ベースの感情分析
| ツール名 | 週間DL数 | 累計DL数 | Star数 | 特徴 |
|---|---|---|---|---|
| asari | 91 | 84k | 153 | 日本語感情分析器 |
| negapoji | - | - | 152 | ネガポジ判定 |
asariはStar数153と感情分析カテゴリで最も知名度が高いです。機械学習モデルを内蔵しており、簡単なAPIで感情分析が可能です。
asari
日本語感情分析器
153 91/w
negapoji
ネガポジ判定
152
5.3 BERTファインチューニングによる手法
近年は事前学習済みBERTモデルを感情分析タスクにファインチューニングする手法が主流となりつつあります。
- Japanese-BERT-Sentiment-Analyzer:FastAPIとBERTによる感情分析サーバー
- japanese_text_classification:MLP、CNN、RNN、BERTなど多様なDNNアプローチを調査
JGLUEベンチマークには感情分析に関連するタスクが含まれており、BERTベースの手法の標準的な評価が可能となっています。
Hugging Faceにおける感情分析モデル
Hugging Faceのtext-classificationカテゴリでは、日本語感情分析用のファインチューニング済みモデルが複数公開されています。
| モデル名 | HF DL数 | Like数 | 特徴 |
|---|---|---|---|
| bert-finetuned-japanese-sentiment (christian-phu) | 329k | 16 | Amazonレビューで学習、精度約81% |
| japanese-sentiment-analysis (jarvisx17) | 4k | 15 | chABSAデータセットで学習 |
| bert-base-japanese-v2-wrime-fine-tune (patrickramos) | 1k | 6 | WRIME 8感情の強度予測 |
bert-finetuned-japanese-sentimentは週間329kダウンロードとtext-classificationカテゴリで最大の利用数を示しており、Amazonの商品レビューでcl-tohoku/bert-base-japanese-v2をファインチューニングしたモデルです。精度約81%、F1スコア0.73を報告しています。
bert-base-japanese-v2-wrime-fine-tuneはWRIMEデータセットでファインチューニングされ、喜び・悲しみ・期待・驚き・怒り・恐怖・嫌悪・信頼の8つの感情について、書き手・読み手それぞれの強度スコア(0〜4)を予測できるモデルです。
bert-finetuned-japanese-sentiment (christian-phu)
Amazonレビューで学習、精度約81%
329k 16
japanese-sentiment-analysis (jarvisx17)
chABSAデータセットで学習
4k 15
bert-base-japanese-v2-wrime-fine-tune (patrickramos)
WRIME 8感情の強度予測
1k 6