05
情感分析與文字分類
5.1 基於詞典的情感分析
| 工具名 | 週間下載 | 累計下載 | Stars | 說明 |
|---|---|---|---|---|
| oseti | 169 | 178k | 99 | 基於日語情感極性詞典 |
| pymlask | 107 | 68k | 119 | 基於 ML-Ask 的情感分析 |
oseti 是基於岩波書店日語情感極性詞典的情感分析工具,雖然是基於規則的方法,仍能輕鬆判斷日語文字的正負面情感。
pymlask 是一個基於情感詞典 ML-Ask 的工具,能夠判斷「喜悅」、「悲傷」、「憤怒」等多種情感類別。
oseti
基於日語情感極性詞典
99 169/w
pymlask
基於 ML-Ask 的情感分析
119 107/w
5.2 基於機器學習的情感分析
| 工具名 | 週間下載 | 累計下載 | Stars | 說明 |
|---|---|---|---|---|
| asari | 91 | 84k | 153 | 日語情感分析器 |
| negapoji | - | - | 152 | 負面/正面判斷 |
asari 在情感分析類別中知名度最高,Stars:153。內建機器學習模型,通過簡單的 API 即可進行情感分析。
asari
日語情感分析器
153 91/w
negapoji
負面/正面判斷
152
5.3 BERT 微調方法
近年來,針對情感分析任務對預訓練 BERT 模型進行微調的方法正逐漸成為主流。
- Japanese-BERT-Sentiment-Analyzer:使用 FastAPI 和 BERT 的情感分析伺服器
- japanese_text_classification:調查包含 MLP、CNN、RNN 及 BERT 在內的多種 DNN 方法
JGLUE 基準測試中包含情感分析相關任務,能夠對基於 BERT 的方法進行標準評估。
Hugging Face 上的情感分析模型
在 Hugging Face 的文字分類類別中,已發布多個針對日語情感分析進行微調的模型。
| 模型名 | HF 下載 | 按讚數 | 說明 |
|---|---|---|---|
| bert-finetuned-japanese-sentiment (christian-phu) | 329k | 16 | 以亞馬遜評論訓練;準確率約 81% |
| japanese-sentiment-analysis (jarvisx17) | 4k | 15 | 以 chABSA 資料集訓練 |
| bert-base-japanese-v2-wrime-fine-tune (patrickramos) | 1k | 6 | WRIME 8 情感強度預測 |
bert-finetuned-japanese-sentiment 以 329k 的週間下載數在 text-classification 類別中使用量最大,它在亞馬遜商品評論上微調 cl-tohoku/bert-base-japanese-v2,報告準確率約 81%、F1 分數 0.73。
bert-base-japanese-v2-wrime-fine-tune 在 WRIME 資料集上進行微調,能夠針對喜悅、悲傷、期待、驚訝、憤怒、恐懼、厭惡及信任等八種情感,分別預測書寫者與讀者視角的強度分數(0~4)。
bert-finetuned-japanese-sentiment (christian-phu)
以亞馬遜評論訓練;準確率約 81%
329k 16
japanese-sentiment-analysis (jarvisx17)
以 chABSA 資料集訓練
4k 15
bert-base-japanese-v2-wrime-fine-tune (patrickramos)
WRIME 8 情感強度預測
1k 6