项目概述

本项目使用情感分类模型进行文本情感分析，模型训练和评估的详细信息如下。

实验环境

• 加速卡：L20 * 1卡
• 显存：48GB
• CPU型号：2*Intel 8458P 44C
• CPU核心数：10核心
• 内存：220GB
• Python版本：3.12
• PyTorch版本：2.5.1
• CUDA版本：12.1
• JupyterLab版本：2.5.1

文件说明

• best_emotion_model.pt: 训练好的最优情感分类模型文件。
• emotion_analysis.py: 调用模型对 valid.csv 进行情感细分类的代码。
• model_metrics_detailed.csv: 模型的详细性能指标，包括精度、召回率、F1分数等。
• valid.csv: 验证数据集，用于情感分类分析。
• valid_annotated.csv: 对 valid.csv 进行情感标注后的结果文件。

使用说明

1. 克隆本项目到本地。
2. 使用上述环境配置运行模型训练代码。
3. 运行 emotion_analysis.py 文件对 valid.csv 进行情感分析，分析结果将保存为 valid_annotated.csv 和 emotion_distribution_valid.csv。

结果分析

模型的性能指标已保存到 model_metrics_detailed.csv 文件中，最优模型保存为 best_emotion_model.pt。

引用数据集

• NLPCC 2013
• NLPCC 2014
• SMP2020-EWECT

模型获取方式

您可以通过网盘分享获取模型文件，链接: https://pan.baidu.com/s/16EsPQNggEXEu0ddZXaeA2g?pwd=9bpc ，提取码: 9bpc。