chinese-chat-sentiment-8class

中文对话情感分类模型（8分类，上下文感知）

基于 chinese-roberta-wwm-ext-large 微调的中文对话场景情感分类模型，支持 8 种情感标签，输入为带上下文的对话文本。

本仓库提供 ONNX FP16 格式，可直接通过 ONNX Runtime 推理，无需依赖 PyTorch。

模型亮点

• 上下文感知：输入包含 [上文] 对话历史和 [当前] 目标消息，结合语境判断情感
• 8 类情感：开心、难过、生气、惊讶、害怕、厌恶、中性、关心
• 高精度：验证集准确率 98.86%，宏平均 F1 值 0.9886
• 日常聊天风格：训练数据为互联网日常聊天语料，包含网络用语、颜文字、缩写等
• 轻量部署：ONNX FP16 格式，模型体积 623.7 MB，无需 PyTorch 即可推理

评估结果

输入格式

模型输入为拼接的对话文本，格式如下：

[上文]
A：今天开会的时候看你一直揉太阳穴，是不是昨晚又熬夜肝新番了
B：啊被发现了，其实不只是追番啦，最近项目deadline压得有点喘不过气
[当前]
B：话说回来你脸色也不太好的说，是不是胃又不舒服了，要不要去茶水间泡点热茶休息一下，身体才是革命的本钱啊

模型预测 [当前] 部分发言者的情感。

使用方法

安装依赖

pip install onnxruntime transformers numpy

推理示例

import onnxruntime as ort
from transformers import AutoTokenizer
import numpy as np

# 标签列表
labels = ["开心", "难过", "生气", "惊讶", "害怕", "厌恶", "中性", "关心"]

# 加载分词器和模型
tokenizer = AutoTokenizer.from_pretrained("foxyanuo/chinese-chat-sentiment-8class")
session = ort.InferenceSession("model.onnx")

# 构造输入（必须包含上下文）
text = """[上文]
A：你听说了吗，小王要走了
B：啊？真的假的
[当前]
A：嗯，听到这个消息我都快哭了..."""

inputs = tokenizer(text, return_tensors="np", max_length=256, truncation=True, padding="max_length")
logits = session.run(None, {k: v for k, v in inputs.items()})[0]

# 获取预测结果
probs = np.exp(logits) / np.exp(logits).sum(axis=-1, keepdims=True)
pred = int(np.argmax(probs, axis=-1)[0])
confidence = float(probs[0][pred])

print(f"情感：{labels[pred]}，置信度：{confidence:.2%}")
# 情感：难过，置信度：99.91%

标签映射

训练细节

模型信息

许可证

CC-BY-NC-4.0