Hugging Face's logo

DepCare-Lab
/
LongEmotion-Model

Safetensors
Model card Files
xet
 Community
LongEmotion-Model
File size: 2,886 Bytes
38dc36b
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
# Emotion Detection Model - LongEmotion

情感检测模型，基于BERT的中文情感分类器

## 📊 模型信息

- **基础模型**: bert-base-chinese
- **任务类型**: 6分类情感检测
- **验证准确率**: 91.47%
- **框架**: PyTorch + Transformers

## 🏷️ 情感类别

模型可以识别以下6种情感：
- `sadness` (悲伤)
- `joy` (快乐)
- `love` (爱)
- `anger` (愤怒)
- `fear` (恐惧)
- `surprise` (惊讶)

## 📁 文件说明

```

detection_hug/

├── model.pt                      # 模型权重文件

├── config.json                   # 模型配置

├── tokenizer_config.json         # 分词器配置

├── vocab.txt                     # 词表

├── special_tokens_map.json       # 特殊符号映射

├── detection_model.py            # 模型定义

├── inference_example.py          # 推理示例

└── README.md                     # 本文件

```

## 🚀 快速开始

### 环境要求

```bash

pip install torch transformers

```

### 基本使用

```python

import torch

from transformers import BertTokenizer

from detection_model import EmotionDetectionModel



# 1. 加载分词器

tokenizer = BertTokenizer.from_pretrained(".")



# 2. 加载模型

model = EmotionDetectionModel(

    model_name="bert-base-chinese",

    num_emotions=6

)

checkpoint = torch.load("model.pt", map_location="cpu")

model.load_state_dict(checkpoint)

model.eval()



# 3. 预测

text = "我今天很开心！"

encoding = tokenizer(text, return_tensors='pt', max_length=512, truncation=True, padding=True)

outputs = model(**encoding)

predicted_emotion = torch.argmax(outputs['logits'], dim=-1).item()



# 情感映射

emotions = ["sadness", "joy", "love", "anger", "fear", "surprise"]

print(f"预测情感: {emotions[predicted_emotion]}")

```

### 使用推理脚本

```bash

python inference_example.py

```

## 📈 模型性能

- **数据集**: dair-ai/emotion (中文情感数据)
- **验证准确率**: 91.47%
- **平均置信度**: 89.27%
- **最大序列长度**: 512 tokens

## 🔧 技术细节

### 模型架构

```

EmotionDetectionModel

├── BERT Encoder (bert-base-chinese)

│   └── 768-dim hidden states

├── Dropout (p=0.1)

├── Linear Layer (768 → 384)

├── ReLU Activation

├── Dropout (p=0.1)

└── Output Layer (384 → 6)

```

### 训练参数

- **优化器**: AdamW
- **学习率**: 2e-5
- **批次大小**: 16
- **最大长度**: 512

## 📝 引用

如果您使用此模型，请注明：
```

LongEmotion Detection Model

- 基于 bert-base-chinese

- 训练于 dair-ai/emotion 数据集

```

## 📧 联系方式

如有问题，请通过项目仓库联系。

---

**License**: 遵循 bert-base-chinese 的许可协议
**Created**: 2025