tweetnlp
init
Tweetnlp для всех энтузиастов NLP, работающих в Твиттере и в социальных сетях! Библиотека Python tweetnlp предоставляет коллекцию полезных инструментов для анализа/понимания таких твитов, как анализ настроений, прогноз эмодзи и распознавание названного суда, основанные на современном языковом моделировании, специализируемом на социальных сетях.
Новости (декабрь 2022 г.): мы представили демо-бумагу TweetNLP («TweetNLP: передовая обработка естественного языка для социальных сетей»), на EMNLP 2022. Окончательная версия можно найти здесь.
Tweetnlp обнимаю лицевую страницу всех основных моделей tweetnlp можно найти здесь на обнимающем лицо.
Ресурсы:
Оглавление:
Установите tweetnlp через PIP на вашу консоли.
pip install tweetnlp В этом разделе вы узнаете, как получить модели и наборы данных с tweetnlp . Модели следуют модели HuggingFace, а наборы данных находятся в формате наборов данных HuggingFace. Легкие введения моделей и наборов данных HuggingFaceface должны быть найдены на веб -странице HuggingFace, поэтому, пожалуйста, проверьте их, если вы новичок в HuggingFace.
Классификационный модуль состоит из шести различных задач (классификация тем, анализ настроений, обнаружение иронии, обнаружение речи ненавистника, обнаружение наступательного языка, прогноз эмодзи и анализ эмоций). В каждом примере модель создается с помощью tweetnlp.load_model("task-name") и запускает прогноз, передавая текст или список текстов в качестве аргумента соответствующей функции.
import tweetnlp
# MULTI-LABEL MODEL
model = tweetnlp . load_model ( 'topic_classification' ) # Or `model = tweetnlp.TopicClassification()`
model . topic ( "Jacob Collier is a Grammy-awarded English artist from London." ) # Or `model.predict`
> >> { 'label' : [ 'celebrity_&_pop_culture' , 'music' ]}
# Note: the probability of the multi-label model is the output of sigmoid function on binary prediction whether each topic is positive or negative.
model . topic ( "Jacob Collier is a Grammy-awarded English artist from London." , return_probability = True )
> >> { 'label' : [ 'celebrity_&_pop_culture' , 'music' ],
'probability' : { 'arts_&_culture' : 0.037371691316366196 ,
'business_&_entrepreneurs' : 0.010188567452132702 ,
'celebrity_&_pop_culture' : 0.92448890209198 ,
'diaries_&_daily_life' : 0.03425711765885353 ,
'family' : 0.00796138122677803 ,
'fashion_&_style' : 0.020642118528485298 ,
'film_tv_&_video' : 0.08062587678432465 ,
'fitness_&_health' : 0.006343095097690821 ,
'food_&_dining' : 0.0042883665300905704 ,
'gaming' : 0.004327300935983658 ,
'learning_&_educational' : 0.010652057826519012 ,
'music' : 0.8291937112808228 ,
'news_&_social_concern' : 0.24688217043876648 ,
'other_hobbies' : 0.020671198144555092 ,
'relationships' : 0.020371075719594955 ,
'science_&_technology' : 0.0170074962079525 ,
'sports' : 0.014291072264313698 ,
'travel_&_adventure' : 0.010423899628221989 ,
'youth_&_student_life' : 0.008605164475739002 }}
# SINGLE-LABEL MODEL
model = tweetnlp . load_model ( 'topic_classification' , multi_label = False ) # Or `model = tweetnlp.TopicClassification(multi_label=False)`
model . topic ( "Jacob Collier is a Grammy-awarded English artist from London." )
> >> { 'label' : 'pop_culture' }
# NOTE: the probability of the sinlge-label model the softmax over the label.
model . topic ( "Jacob Collier is a Grammy-awarded English artist from London." , return_probability = True )
> >> { 'label' : 'pop_culture' ,
'probability' : { 'arts_&_culture' : 9.20625461731106e-05 ,
'business_&_entrepreneurs' : 6.916998972883448e-05 ,
'pop_culture' : 0.9995898604393005 ,
'daily_life' : 0.00011083036952186376 ,
'sports_&_gaming' : 8.668467489769682e-05 ,
'science_&_technology' : 5.152115045348182e-05 }}
# GET DATASET
dataset_multi_label , label2id_multi_label = tweetnlp . load_dataset ( 'topic_classification' )
dataset_single_label , label2id_single_label = tweetnlp . load_dataset ( 'topic_classification' , multi_label = False ) import tweetnlp
# ENGLISH MODEL
model = tweetnlp . load_model ( 'sentiment' ) # Or `model = tweetnlp.Sentiment()`
model . sentiment ( "Yes, including Medicare and social security saving?" ) # Or `model.predict`
> >> { 'label' : 'positive' }
model . sentiment ( "Yes, including Medicare and social security saving?" , return_probability = True )
> >> { 'label' : 'positive' , 'probability' : { 'negative' : 0.004584966693073511 , 'neutral' : 0.19360853731632233 , 'positive' : 0.8018065094947815 }}
# MULTILINGUAL MODEL
model = tweetnlp . load_model ( 'sentiment' , multilingual = True ) # Or `model = tweetnlp.Sentiment(multilingual=True)`
model . sentiment ( "天気が良いとやっぱり気持ち良いなあ" )
> >> { 'label' : 'positive' }
model . sentiment ( "天気が良いとやっぱり気持ち良いなあ" , return_probability = True )
> >> { 'label' : 'positive' , 'probability' : { 'negative' : 0.028369612991809845 , 'neutral' : 0.08128828555345535 , 'positive' : 0.8903420567512512 }}
# GET DATASET (ENGLISH)
dataset , label2id = tweetnlp . load_dataset ( 'sentiment' )
# GET DATASET (MULTILINGUAL)
for l in [ 'all' , 'arabic' , 'english' , 'french' , 'german' , 'hindi' , 'italian' , 'portuguese' , 'spanish' ]:
dataset_multilingual , label2id_multilingual = tweetnlp . load_dataset ( 'sentiment' , multilingual = True , task_language = l ) import tweetnlp
# MODEL
model = tweetnlp . load_model ( 'irony' ) # Or `model = tweetnlp.Irony()`
model . irony ( 'If you wanna look like a badass, have drama on social media' ) # Or `model.predict`
> >> { 'label' : 'irony' }
model . irony ( 'If you wanna look like a badass, have drama on social media' , return_probability = True )
> >> { 'label' : 'irony' , 'probability' : { 'non_irony' : 0.08390884101390839 , 'irony' : 0.9160911440849304 }}
# GET DATASET
dataset , label2id = tweetnlp . load_dataset ( 'irony' ) import tweetnlp
# MODEL
model = tweetnlp . load_model ( 'hate' ) # Or `model = tweetnlp.Hate()`
model . hate ( 'Whoever just unfollowed me you a bitch' ) # Or `model.predict`
> >> { 'label' : 'not-hate' }
model . hate ( 'Whoever just unfollowed me you a bitch' , return_probability = True )
> >> { 'label' : 'non-hate' , 'probability' : { 'non-hate' : 0.7263831496238708 , 'hate' : 0.27361682057380676 }}
# GET DATASET
dataset , label2id = tweetnlp . load_dataset ( 'hate' ) import tweetnlp
# MODEL
model = tweetnlp . load_model ( 'offensive' ) # Or `model = tweetnlp.Offensive()`
model . offensive ( "All two of them taste like ass." ) # Or `model.predict`
> >> { 'label' : 'offensive' }
model . offensive ( "All two of them taste like ass." , return_probability = True )
> >> { 'label' : 'offensive' , 'probability' : { 'non-offensive' : 0.16420328617095947 , 'offensive' : 0.8357967734336853 }}
# GET DATASET
dataset , label2id = tweetnlp . load_dataset ( 'offensive' ) import tweetnlp
# MODEL
model = tweetnlp . load_model ( 'emoji' ) # Or `model = tweetnlp.Emoji()`
model . emoji ( 'Beautiful sunset last night from the pontoon @TupperLakeNY' ) # Or `model.predict`
> >> { 'label' : '?' }
model . emoji ( 'Beautiful sunset last night from the pontoon @TupperLakeNY' , return_probability = True )
> >> { 'label' : '?' ,
'probability' : { '❤' : 0.13197319209575653 ,
'?' : 0.11246423423290253 ,
'?' : 0.008415069431066513 ,
'?' : 0.04842926934361458 ,
'' : 0.014528146013617516 ,
'?' : 0.1509675830602646 ,
'?' : 0.08625403046607971 ,
'' : 0.01616635173559189 ,
'?' : 0.07396604865789413 ,
'?' : 0.03033279813826084 ,
'?' : 0.16525287926197052 ,
'??' : 0.020336611196398735 ,
'☀' : 0.00799981877207756 ,
'?' : 0.016111424192786217 ,
'' : 0.012984540313482285 ,
'?' : 0.012557178735733032 ,
'?' : 0.031386848539114 ,
'?' : 0.006829539313912392 ,
'?' : 0.04188741743564606 ,
'?' : 0.011156936176121235 }}
# GET DATASET
dataset , label2id = tweetnlp . load_dataset ( 'emoji' ) import tweetnlp
# MULTI-LABEL MODEL
model = tweetnlp . load_model ( 'emotion' ) # Or `model = tweetnlp.Emotion()`
model . emotion ( 'I love swimming for the same reason I love meditating...the feeling of weightlessness.' ) # Or `model.predict`
> >> { 'label' : 'joy' }
# Note: the probability of the multi-label model is the output of sigmoid function on binary prediction whether each topic is positive or negative.
model . emotion ( 'I love swimming for the same reason I love meditating...the feeling of weightlessness.' , return_probability = True )
> >> { 'label' : 'joy' ,
'probability' : { 'anger' : 0.00025800734874792397 ,
'anticipation' : 0.0005329723935574293 ,
'disgust' : 0.00026112011983059347 ,
'fear' : 0.00027552215033210814 ,
'joy' : 0.7721399068832397 ,
'love' : 0.1806265264749527 ,
'optimism' : 0.04208092764019966 ,
'pessimism' : 0.00025325192837044597 ,
'sadness' : 0.0006160663324408233 ,
'surprise' : 0.0005619609728455544 ,
'trust' : 0.002393839880824089 }}
# SINGLE-LABEL MODEL
model = tweetnlp . load_model ( 'emotion' ) # Or `model = tweetnlp.Emotion()`
model . emotion ( 'I love swimming for the same reason I love meditating...the feeling of weightlessness.' ) # Or `model.predict`
> >> { 'label' : 'joy' }
# NOTE: the probability of the sinlge-label model the softmax over the label.
model . emotion ( 'I love swimming for the same reason I love meditating...the feeling of weightlessness.' , return_probability = True )
> >> { 'label' : 'optimism' , 'probability' : { 'joy' : 0.01367587223649025 , 'optimism' : 0.7345258593559265 , 'anger' : 0.1770714670419693 , 'sadness' : 0.07472680509090424 }}
# GET DATASET
dataset , label2id = tweetnlp . load_dataset ( 'emotion' )Предупреждение: модель эмоций с одной маркировкой и мульти-маркировки имеет набор различных ярлыков (у одной маркировки есть четыре класса «радость»/«оптимизм»/«гнев»/«грусть», в то время как у мультиполистов есть одиннадцать классов «радости»/«оптимизм»/«гнева»/«грусть»/«love»/'‘/'/'surprise'/'/' survismition '/'/'/'/'/'/'surprise'/'/' surfy '/'/'/' sirent '/'/'surprise'/'/'/'Survistion'/'/'/').
Этот модуль состоит из модели распознавания названного суда (NER), специально подготовленной для твитов. Модель создается с помощью tweetnlp.load_model("ner") и запускает прогноз, предоставляя текст или список текстов в качестве аргумента функции ner (проверьте бумагу здесь или страницу набора данных HuggingFace).
import tweetnlp
# MODEL
model = tweetnlp . load_model ( 'ner' ) # Or `model = tweetnlp.NER()`
model . ner ( 'Jacob Collier is a Grammy-awarded English artist from London.' ) # Or `model.predict`
> >> [{ 'type' : 'person' , 'entity' : 'Jacob Collier' }, { 'type' : 'event' , 'entity' : ' Grammy' }, { 'type' : 'location' , 'entity' : ' London' }]
# Note: the probability for the predicted entity is the mean of the probabilities over the sub-tokens representing the entity.
model . ner ( 'Jacob Collier is a Grammy-awarded English artist from London.' , return_probability = True ) # Or `model.predict`
> >> [
{ 'type' : 'person' , 'entity' : 'Jacob Collier' , 'probability' : 0.9905318220456442 },
{ 'type' : 'event' , 'entity' : ' Grammy' , 'probability' : 0.19164378941059113 },
{ 'type' : 'location' , 'entity' : ' London' , 'probability' : 0.9607000350952148 }
]
# GET DATASET
dataset , label2id = tweetnlp . load_dataset ( 'ner' ) Этот модуль состоит из ответной модели вопроса, специально подготовленной для твитов. Модель создается с помощью tweetnlp.load_model("question_answering") и запускает прогноз, предоставляя вопрос или список вопросов вместе с контекстом или списком контекстов в качестве аргументации для функции question_answering .
import tweetnlp
# MODEL
model = tweetnlp . load_model ( 'question_answering' ) # Or `model = tweetnlp.QuestionAnswering()`
model . question_answering (
question = 'who created the post as we know it today?' ,
context = "'So much of The Post is Ben,' Mrs. Graham said in 1994, three years after Bradlee retired as editor. 'He created it as we know it today.'— Ed O'Keefe (@edatpost) October 21, 2014"
) # Or `model.predict`
> >> { 'generated_text' : 'ben' }
# GET DATASET
dataset = tweetnlp . load_dataset ( 'question_answering' ) Этот модуль состоит из генерации пары вопросов и ответов, специально подготовленных для твитов. Модель создается с помощью tweetnlp.load_model("question_answer_generation") и запускает прогноз, предоставляя контекст или список контекстов в качестве аргумента функции question_answer_generation (проверьте статью здесь или страницу набора данных HuggingFace).
import tweetnlp
# MODEL
model = tweetnlp . load_model ( 'question_answer_generation' ) # Or `model = tweetnlp.QuestionAnswerGeneration()`
model . question_answer_generation (
text = "'So much of The Post is Ben,' Mrs. Graham said in 1994, three years after Bradlee retired as editor. 'He created it as we know it today.'— Ed O'Keefe (@edatpost) October 21, 2014"
) # Or `model.predict`
> >> [
{ 'question' : 'who created the post?' , 'answer' : 'ben' },
{ 'question' : 'what did ben do in 1994?' , 'answer' : 'he retired as editor' }
]
# GET DATASET
dataset = tweetnlp . load_dataset ( 'question_answer_generation' ) Модель языка в масках предсказывает токен в масках в данном предложении. Это создается экземпляром tweetnlp.load_model('language_model') и запускает прогноз, предоставляя текст или список текстов в качестве аргумента функции mask_prediction . Пожалуйста, убедитесь, что каждый текст имеет токен <mask> , так как это в конечном итоге является следующей целью модели для прогнозирования.
import tweetnlp
model = tweetnlp . load_model ( 'language_model' ) # Or `model = tweetnlp.LanguageModel()`
model . mask_prediction ( "How many more <mask> until opening day? ?" , best_n = 2 ) # Or `model.predict`
> >> { 'best_tokens' : [ 'days' , 'hours' ],
'best_scores' : [ 5.498564104033932e-11 , 4.906026140893971e-10 ],
'best_sentences' : [ 'How many more days until opening day? ?' ,
'How many more hours until opening day? ?' ]} Модель твита встраивает встраиваемость фиксированной длины для твита. Внедрение представляет семантику по значению твита, и это можно использовать для семантического поиска твитов, используя сходство между вставками. Модель создается с помощью tweet_nlp.load_model('sentence_embedding') и запустить прогноз, передавая текст или список текстов в качестве аргумента в отношении функции embedding .
import tweetnlp
model = tweetnlp . load_model ( 'sentence_embedding' ) # Or `model = tweetnlp.SentenceEmbedding()`
# Get sentence embedding
tweet = "I will never understand the decision making of the people of Alabama. Their new Senator is a definite downgrade. You have served with honor. Well done."
vectors = model . embedding ( tweet )
vectors . shape
> >> ( 768 ,)
# Get sentence embedding (multiple inputs)
tweet_corpus = [
"Free, fair elections are the lifeblood of our democracy. Charges of unfairness are serious. But calling an election unfair does not make it so. Charges require specific allegations and then proof. We have neither here." ,
"Trump appointed judge Stephanos Bibas " ,
"If your members can go to Puerto Rico they can get their asses back in the classroom. @CTULocal1" ,
"@PolitiBunny @CTULocal1 Political leverage, science said schools could reopen, teachers and unions protested to keep'em closed and made demands for higher wages and benefits, they're usin Covid as a crutch at the expense of life and education." ,
"Congratulations to all the exporters on achieving record exports in Dec 2020 with a growth of 18 % over the previous year. Well done & keep up this trend. A major pillar of our govt's economic policy is export enhancement & we will provide full support to promote export culture." ,
"@ImranKhanPTI Pakistan seems a worst country in term of exporting facilities. I am a small business man and if I have to export a t-shirt having worth of $5 to USA or Europe. Postal cost will be around $30. How can we grow as an exporting country if this situation prevails. Think about it. #PM" ,
"The thing that doesn’t sit right with me about “nothing good happened in 2020” is that it ignores the largest protest movement in our history. The beautiful, powerful Black Lives Matter uprising reached every corner of the country and should be central to our look back at 2020." ,
"@JoshuaPotash I kinda said that in the 2020 look back for @washingtonpost" ,
"Is this a confirmation from Q that Lin is leaking declassified intelligence to the public? I believe so. If @realDonaldTrump didn’t approve of what @LLinWood is doing he would have let us know a lonnnnnng time ago. I’ve always wondered why Lin’s Twitter handle started with “LLin” https://t.co/0G7zClOmi2" ,
"@ice_qued @realDonaldTrump @LLinWood Yeah 100%" ,
"Tomorrow is my last day as Senator from Alabama. I believe our opportunities are boundless when we find common ground. As we swear in a new Congress & a new President, demand from them that they do just that & build a stronger, more just society. It’s been an honor to serve you."
"The mask cult can’t ever admit masks don’t work because their ideology is based on feeling like a “good person” Wearing a mask makes them a “good person” & anyone who disagrees w/them isn’t They can’t tolerate any idea that makes them feel like their self-importance is unearned" ,
"@ianmSC Beyond that, they put such huge confidence in masks so early with no strong evidence that they have any meaningful benefit, they don’t want to backtrack or admit they were wrong. They put the cart before the horse, now desperate to find any results that match their hypothesis." ,
]
vectors = model . embedding ( tweet_corpus , batch_size = 4 )
vectors . shape
> >> ( 12 , 768 ) sims = []
for n , i in enumerate ( tweet_corpus ):
_sim = model . similarity ( tweet , i )
sims . append ([ n , _sim ])
print ( f'anchor tweet: { tweet } n ' )
for m , ( n , s ) in enumerate ( sorted ( sims , key = lambda x : x [ 1 ], reverse = True )[: 3 ]):
print ( f' - top { m } : { tweet_corpus [ n ] } n - similaty: { s } n ' )
> >> anchor tweet : I will never understand the decision making of the people of Alabama . Their new Senator is a definite downgrade . You have served with honor . Well done .
- top 0 : Tomorrow is my last day as Senator from Alabama . I believe our opportunities are boundless when we find common ground . As we swear in a new Congress & amp ; a new President , demand from them that they do just that & amp ; build a stronger , more just society . It ’ s been an honor to serve you . The mask cult can ’ t ever admit masks don ’ t work because their ideology is based on feeling like a “ good person ” Wearing a mask makes them a “ good person ” & amp ; anyone who disagrees w / them isn ’ t They can ’ t tolerate any idea that makes them feel like their self - importance is unearned
- similaty : 0.7480925982953287
- top 1 : Trump appointed judge Stephanos Bibas
- similaty : 0.6289173306344258
- top 2 : Free , fair elections are the lifeblood of our democracy . Charges of unfairness are serious . But calling an election unfair does not make it so . Charges require specific allegations and then proof . We have neither here .
- similaty : 0.6017154109745276Вот таблица модели по умолчанию, используемой в каждой задаче.
| Задача | Модель | Набор данных |
|---|---|---|
| Классификация тем (одиночная марка) | Cardiffnlp/Twitter-Roberta-Base-Dec2021-TWEET-TOPIC-SIGN-ALL | cardiffnlp/tweet_topic_singl |
| Классификация тем (мульти-маршрута) | Cardiffnlp/Twitter-Roberta-Base-Dec2021-TWEET-TOPIC-MULTI-ALL | cardiffnlp/tweet_topic_multi |
| Анализ настроений (многоязычный) | Cardiffnlp/Twitter-xlm-Roberta-Base-Sentiment | cardiffnlp/tweet_sentiment_multinglingual |
| Анализ настроений | Cardiffnlp/Twitter-Roberta-Base-Sentiment-Latest | tweet_eval |
| Обнаружение иронии | Cardiffnlp/Twitter-Roberta-Base-Irony | tweet_eval |
| Обнаружение ненависти | Cardiffnlp/Twitter-Roberta-Base-Hate-Latest | tweet_eval |
| Наступательное обнаружение | Cardiffnlp/Twitter-Roberta-Base Office | tweet_eval |
| Предсказание эмодзи | Cardiffnlp/Twitter-Roberta-Base-Emoji | tweet_eval |
| Анализ эмоций (одиночная маршрута) | Cardiffnlp/Twitter-Roberta-Base-Emotion | tweet_eval |
| Анализ эмоций (мульти-маршрута) | Cardiffnlp/Twitter-Roberta-Base-Emotion-Multilabel-Latest | ТБА |
| Названное признание сущности | TNER/ROBERTA-LARGE-TWEETNER7-ALL | Tner/tweetner7 |
| Ответ на вопрос | LMQG/T5-SMALL-TWEETQA-QA | LMQG/QG_TWEETQA |
| Вопрос Ответ Генерация | LMQG/T5-BASE-TWEETQA-QAG | LMQG/QAG_TWEETQA |
| Языковое моделирование | Cardiffnlp/Twitter-Roberta-Base-20121-124M | ТБА |
| Твит внедрение | Cambridgeltl/твит-роберта-база-эмбеддингс-V1 | ТБА |
Чтобы использовать другую модель из Local/Huggingface ModelHub, можно просто предоставить путь модели/псевдоним функции load_model . Ниже приведен пример загрузки модели для NER.
import tweetnlp
tweetnlp . load_model ( 'ner' , model_name = 'tner/twitter-roberta-base-2019-90m-tweetner7-continuous' )TweetNLP предоставляет простой интерфейс для моделей языков тонкой настройки на наборах данных, поддерживаемых HuggingFace для хостинга модели/тонкой настройки с помощью Ray Tune для поиска параметров.
sentiment , offensive , irony , hate , emotion , topic_classification Результаты экспериментов с тренером tweetnlp можно найти в следующей таблице. Результаты конкурентоспособны и могут использоваться в качестве базовых показателей для каждой задачи. Посмотрите на страницу таблицы лидеров, чтобы узнать больше о результатах.
| задача | ranguage_model | eval_f1 | eval_f1_macro | eval_accuracy | связь |
|---|---|---|---|---|---|
| эмодзи | Cardiffnlp/Twitter-Roberta-Base-20121-124M | 0,46 | 0,35 | 0,46 | Cardiffnlp/Twitter-Roberta-Base-20121-124M-Emoji |
| эмоция | Cardiffnlp/Twitter-Roberta-Base-20121-124M | 0,83 | 0,79 | 0,83 | Cardiffnlp/Twitter-Roberta-Base-20121-124M-Emotion |
| ненавидеть | Cardiffnlp/Twitter-Roberta-Base-20121-124M | 0,56 | 0,53 | 0,56 | Cardiffnlp/Twitter-Roberta-Base-20121-124M-Hate |
| ирония | Cardiffnlp/Twitter-Roberta-Base-20121-124M | 0,79 | 0,78 | 0,79 | Cardiffnlp/Twitter-Roberta-Base-20121-124M-Irony |
| оскорбительный | Cardiffnlp/Twitter-Roberta-Base-20121-124M | 0,86 | 0,82 | 0,86 | Cardiffnlp/Twitter-Roberta-Base-20121-124M Возникает |
| настроение | Cardiffnlp/Twitter-Roberta-Base-20121-124M | 0,71 | 0,72 | 0,71 | Cardiffnlp/Twitter-Roberta-Base-20121-124M-Sentiment |
| TOMA_CLASSIFICATION (Одиночный) | Cardiffnlp/Twitter-Roberta-Base-20121-124M | 0,9 | 0,8 | 0,9 | Cardiffnlp/Twitter-Roberta-Base-20121-124M-Topic-Single |
| TOMA_CLASSIFICATION (MULTI) | Cardiffnlp/Twitter-Roberta-Base-20121-124M | 0,75 | 0,56 | 0,54 | Cardiffnlp/Twitter-Roberta-Base-20121-124M-Topic-Multi |
| настроение (многоязычное) | Cardiffnlp/Twitter-xlm-Roberta-Base | 0,69 | 0,69 | 0,69 | Cardiffnlp/Twitter-xlm-Roberta-Base-Sentiment-Multingual |
В следующем примере будет воспроизведена нашу иронию модель Cardiffnlp/Twitter-Roberta-Base-20121-124M-IRONY.
import logging
import tweetnlp
logging . basicConfig ( format = '%(asctime)s %(levelname)-8s %(message)s' , level = logging . INFO , datefmt = '%Y-%m-%d %H:%M:%S' )
# load dataset
dataset , label_to_id = tweetnlp . load_dataset ( "irony" )
# load trainer class
trainer_class = tweetnlp . load_trainer ( "irony" )
# setup trainer
trainer = trainer_class (
language_model = 'cardiffnlp/twitter-roberta-base-2021-124m' , # language model to fine-tune
dataset = dataset ,
label_to_id = label_to_id ,
max_length = 128 ,
split_test = 'test' ,
split_train = 'train' ,
split_validation = 'validation' ,
output_dir = 'model_ckpt/irony'
)
# start model fine-tuning with parameter optimization
trainer . train (
eval_step = 50 , # each `eval_step`, models are validated on the validation set
n_trials = 10 , # number of trial at parameter optimization
search_range_lr = [ 1e-6 , 1e-4 ], # define the search space for learning rate (min and max value)
search_range_epoch = [ 1 , 6 ], # define the search space for epoch (min and max value)
search_list_batch = [ 4 , 8 , 16 , 32 , 64 ] # define the search space for batch size (list of integer to test)
)
# evaluate model on the test set
trainer . evaluate ()
> >> {
"eval_loss" : 1.3228046894073486 ,
"eval_f1" : 0.7959183673469388 ,
"eval_f1_macro" : 0.791350632069195 ,
"eval_accuracy" : 0.7959183673469388 ,
"eval_runtime" : 2.2267 ,
"eval_samples_per_second" : 352.084 ,
"eval_steps_per_second" : 44.01
}
# save model locally (saved at `{output_dir}/best_model` as default)
trainer . save_model ()
# run prediction
trainer . predict ( 'If you wanna look like a badass, have drama on social media' )
> >> { 'label' : 'irony' }
# push your model on huggingface hub
trainer . push_to_hub ( hf_organization = 'cardiffnlp' , model_alias = 'twitter-roberta-base-2021-124m-irony' )Сохраненная контрольная точка может быть загружена как пользовательская модель, как показано ниже.
import tweetnlp
model = tweetnlp . load_model ( 'irony' , model_name = "model_ckpt/irony/best_model" ) Если split_validation не дается, тренер выполнит один запуск с параметрами по умолчанию без поиска параметров.
Для получения более подробной информации, пожалуйста, прочитайте сопроводительный справочный документ Tweetnlp. Если вы используете TweetNLP в своем исследовании, используйте следующую запись bib , чтобы цитировать справочную бумагу:
@inproceedings{camacho-collados-etal-2022-tweetnlp,
title={{T}weet{NLP}: {C}utting-{E}dge {N}atural {L}anguage {P}rocessing for {S}ocial {M}edia},
author={Camacho-Collados, Jose and Rezaee, Kiamehr and Riahi, Talayeh and Ushio, Asahi and Loureiro, Daniel and Antypas, Dimosthenis and Boisson, Joanne and Espinosa-Anke, Luis and Liu, Fangyu and Mart{'i}nez-C{'a}mara, Eugenio and others},
booktitle = "Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing: System Demonstrations",
month = nov,
year = "2022",
address = "Abu Dhabi, U.A.E.",
publisher = "Association for Computational Linguistics",
}
