TasaractDavut Emre Taşar
Zurück
Modell

Turkish Sentiment Analysis · TSAM

Zweck

Für einen türkischen Satz vergibt das Modell drei Bewertungen, je nachdem, wie negativ, neutral oder positiv sein Ton wirkt. In der veröffentlichten Konfiguration steht 0 für negativ, 1 für neutral und 2 für positiv. Die neutrale Klasse heißt in der Ausgabe „Notr“. Wer Rezensionen auswertet, kann neutrale Äußerungen so gesondert zählen.

Ein Modell, vier türkische Datensätze

Eine unabhängige Studie verglich vier Modelle mit vier türkischen Datensätzen. Für die binäre Auswertung wurden neutrale Labels ausgeschlossen. Dieses Modell erreichte einen F1-Wert von 0,97 auf Humir und 0,54 auf Twt.

12.053Downloads auf dem Hub insgesamt18. Nov. 2026Hugging Face Hub API

Ein früheres Modell für Rezensionen

Ich habe ein türkisches BERT-Modell darauf trainiert, positive von negativen Rezensionen zu unterscheiden. Die Trainingsparameter stehen auf GitHub.

Quelldokumente

Originalquelle · huggingface.co
Zitat

Turkish Sentiment Analysis · TSAM · https://huggingface.co/emre/turkish-sentiment-analysis