Vercel 部署完成 ✔️ 使用者能寫日記 ✔️
接著我回頭處理一件更微妙的事：讓系統聽懂「普普通通的一天」

前一版我是用關鍵字規則做三分類（正向／中立／負向）。直覺、好維護，但遇到否定、轉折、反諷或是隱性情緒就會露餡，所以今天我先把規則法放一邊，純粹跑 HuggingFace 模型來做三分類：只測模型效果，暫時不接到日記系統。目標很單純：先把模型本體調好，再談整合

1. 資料與切分：保持三類一致性

我用 multilingual sentiment datasets（已標好正向／中立／負向），再用 opencc 做簡轉繁，確保在繁中環境也穩。
切分方式：Train / Val / Test = 70% / 15% / 15%（分層抽樣，三類都要有代表性）
中立是最難的一類，因為多半代表「線索不足」或「描述客觀狀態」。不是資料有問題，而是語言本來就這樣

2. 模型挑戰：從 BERT 到 MacBERT

這次的 baseline 我選的是 bert-base-chinese，原因很單純：速度快、資源需求小
不過 BERT 的訓練語料主要來自簡體中文，所以我後來也測了 hfl/chinese-macbert-base。雖然是簡體語料，但因為 tokenizer 採字級斷詞，對繁體依然有良好效果

本輪代表性結果（以驗證集為主）：

• Accuracy 約 0.79
• Macro-F1 約 0.79

正向/負向辨識表現不錯(0.88/0.79)，中立則稍弱一點（0.69）但還行啦
這個數字雖然不是頂尖，但對於「日記」這種天然模糊的文字來說，已經能給出相當實用的建議

3. 訓練過程與小細節

Early Stopping 就看 驗證集的 loss（eval_loss） 表現，如果連續 2 次沒有更好就停。這次最佳點落在 第 2 輪（Epoch 2），再往後驗證集就開始「越學越糟」，也就是 overfitting 了

學習率 & 節奏控制
學習率抓 1e-5 ~ 2e-5 但我覺得可能可以再慢一點，前面 10% 步數先熱身（warmup），之後用 cosine 緩緩降速。用白話說就是：一開始慢慢踩油門，後面慢慢收，這樣後段比較不會把驗證集搞壞

regularisation（避免太黏訓練資料）
開 weight_decay=0.05、把 dropout 調到 0.2，再加一點 label smoothing=0.05~0.1。因為不能讓模型太自信、太黏訓練題目，面對雜訊句子會穩很多

長度 & 批量
MAX_LEN=128 就夠用（大多數句子不長）。batch size 32/64 看你的記憶體決定，能大一點會更平滑，但別把 GPU 撐爆就好

小結
訓練集的 loss 一直掉，但 驗證集在第 2 輪後開始回升。所以我先把 Epoch 2 的 checkpoint 鎖起來當候選上線版，等和日記系統整合時再跑一次完整驗證就好。

4. 實際觀察＆上線規劃

目前還沒有接到日記系統，這一輪純測模型本體。觀察如下：

1. 三類輸出正常（正向／中立／負面），中立相對難但穩定在可用水準。
2. 我會在整合時把標籤顯示成中文：

• positive → 正面
• neutral → 中立
• negative → 負面

3. 前端規劃會一起顯示 機率分布（confidence），並加一個「不確定」保險機制：若最高機率 < 0.6，就先標不確定，避免硬判錯類
4. 混淆矩陣顯示「中立 ↔ 負面」偶爾會互卡，正面幾乎一路對角線。這很符合日常語言的樣子：沒有明確情緒線索時，模型會偏保守
   

明日預告

Day 23 要升級到 文字情緒分類器 v2！
想把這顆模型「講得更老實、也講得更清楚」。先來做校準，讓那個 0.8 的信心分數真的比較接近「八成會對」的意思；順便試試把信心太低的案例先打個「不確定」標籤（我會先抓 0.6 左右），別硬判。然後我會偷看一下模型在想什麼，用 LIME/SHAP 把它在意的詞亮出來，看看哪些字眼把情緒往上拉、哪些又把它往下拖。等這兩件事穩了，再把結果包成好用的推論介面，離回接到日記系統就只差一步啦