05
情感分析与文字分类
5.1 基于词典的情感分析
| 工具名 | 周间下载 | 累计下载 | Stars | 说明 |
|---|---|---|---|---|
| oseti | 169 | 178k | 99 | 基于日语情感极性词典 |
| pymlask | 107 | 68k | 119 | 基于 ML-Ask 的情感分析 |
oseti 是基于岩波书店日语情感极性词典的情感分析工具,虽然是基于规则的方法,仍能轻松判断日语文字的正负面情感。
pymlask 是一个基于情感词典 ML-Ask 的工具,能够判断「喜悦」、「悲伤」、「愤怒」等多种情感类别。
oseti
基于日语情感极性词典
99 169/w
pymlask
基于 ML-Ask 的情感分析
119 107/w
5.2 基于机器学习的情感分析
| 工具名 | 周间下载 | 累计下载 | Stars | 说明 |
|---|---|---|---|---|
| asari | 91 | 84k | 153 | 日语情感分析器 |
| negapoji | - | - | 152 | 负面/正面判断 |
asari 在情感分析类别中知名度最高,Stars:153。内建机器学习模型,通过简单的 API 即可进行情感分析。
asari
日语情感分析器
153 91/w
negapoji
负面/正面判断
152
5.3 BERT 微调方法
近年来,针对情感分析任务对预训练 BERT 模型进行微调的方法正逐渐成为主流。
- Japanese-BERT-Sentiment-Analyzer:使用 FastAPI 和 BERT 的情感分析服务器
- japanese_text_classification:调查包含 MLP、CNN、RNN 及 BERT 在内的多种 DNN 方法
JGLUE 基准测试中包含情感分析相关任务,能够对基于 BERT 的方法进行标准评估。
Hugging Face 上的情感分析模型
在 Hugging Face 的文字分类类别中,已发布多个针对日语情感分析进行微调的模型。
| 模型名 | HF 下载 | 点赞数 | 说明 |
|---|---|---|---|
| bert-finetuned-japanese-sentiment (christian-phu) | 329k | 16 | 以亚马逊评论训练;准确率约 81% |
| japanese-sentiment-analysis (jarvisx17) | 4k | 15 | 以 chABSA 数据集训练 |
| bert-base-japanese-v2-wrime-fine-tune (patrickramos) | 1k | 6 | WRIME 8 情感强度预测 |
bert-finetuned-japanese-sentiment 以 329k 的周间下载数在 text-classification 类别中使用量最大,它在亚马逊商品评论上微调 cl-tohoku/bert-base-japanese-v2,报告准确率约 81%、F1 分数 0.73。
bert-base-japanese-v2-wrime-fine-tune 在 WRIME 数据集上进行微调,能够针对喜悦、悲伤、期待、惊讶、愤怒、恐惧、厌恶及信任等八种情感,分别预测书写者与读者视角的强度分数(0~4)。
bert-finetuned-japanese-sentiment (christian-phu)
以亚马逊评论训练;准确率约 81%
329k 16
japanese-sentiment-analysis (jarvisx17)
以 chABSA 数据集训练
4k 15
bert-base-japanese-v2-wrime-fine-tune (patrickramos)
WRIME 8 情感强度预测
1k 6