Sentimeter - Emotion recognition engine

Ever wondered what an ambiguous text message or DM really meant? Think that a tweet might contain hidden notes of love (or hate) but can't be sure?

Sentimeter is the answer. It is the only Android app out there to detect as many as 64 emotions in a message. Sentimeter uses cutting-edge machine learning technology to tell you what emotions (and how much of it) went into a text!

Sentimeter is simple: Just type or paste in a text message and hit go. Our natural language model crunches the numbers and gives you its expert opinion on what feelings influenced a text.

The Sentimeter model was trained on over 1.2 billion tweets, which gives it a nuanced understanding of human emotion (including sarcasm). So much so, that it outperforms humans on several benchmarks.

Credits:

1) B. Felbo et al. for the base sentiment model

2) Freepik from FlatIcon for the app logo

Note that the model has learned about language from the raw, uncurated expressions of individuals on social media. We do not endorse in any way the emotional interpretation that the model has of any particular content.

Vous êtes-vous déjà demandé ce que signifiait vraiment un message texte ou un message ambigu? Pensez qu'un tweet pourrait contenir des notes cachées d'amour (ou de haine) mais que vous ne pouvez pas en être sûr?

Sentimeter est la solution. C'est la seule application Android à détecter jusqu'à 64 émotions dans un message. Sentimeter utilise une technologie de pointe d'apprentissage automatique pour vous dire quelles émotions (et quelle quantité) sont entrées dans un texte!

Sentimeter est simple: il suffit de taper ou de coller un message texte et de cliquer sur OK. Notre modèle en langage naturel recoupe les chiffres et vous donne son avis d'expert sur les sentiments qui ont influencé un texte.

Le modèle Sentimeter a été formé sur plus de 1,2 milliard de tweets, ce qui lui donne une compréhension nuancée des émotions humaines (y compris le sarcasme). A tel point qu'il surpasse les humains sur plusieurs benchmarks.

Crédits:

1) B. Felbo et al. pour le modèle de sentiment de base

2) Freepik de FlatIcon pour le logo de l'application

Notez que le modèle a appris à propos du langage à partir des expressions brutes et non saturées des individus sur les médias sociaux. Nous n'approuvons en aucune manière l'interprétation émotionnelle que le modèle a d'un contenu particulier.