tinybert-emotion-balanced
AdamCodd
Clasificación de texto
Este modelo es una versión ajustada de BERT-tiny en el dataset de emociones balanceadas. TinyBERT es 7.5 veces más pequeño y 9.4 veces más rápido en la inferencia comparado con su modelo maestro BERT (mientras que DistilBERT es un 40% más pequeño y 1.6 veces más rápido que BERT). El modelo ha sido entrenado en 89_754 ejemplos divididos en entrenamiento, validación y prueba. Cada etiqueta estaba perfectamente balanceada en cada división. Este modelo no es tan preciso como distilbert-emotion-balanced debido a que el enfoque estaba en la velocidad, lo que puede llevar a una mala interpretación de oraciones complejas. A pesar de esto, su rendimiento es bastante bueno y debería ser más que suficiente para la mayoría de los casos de uso.
Como usar
from transformers import pipeline
# Crear la tubería
emotion_classifier = pipeline('text-classification', model='AdamCodd/tinybert-emotion-balanced')
# Ahora puedes usar la tubería para clasificar emociones
result = emotion_classifier('Estamos encantados de que vengas a visitarnos. Será muy agradable tenerte aquí.')
print(result)
# [{'label': 'alegría', 'score': 0.9895486831665039}]
Funcionalidades
- Clasificación de texto
- Transformers
- PyTorch
- ONNX
- Safetensors
Casos de uso
- Clasificación de emociones en texto
- Detección de alegría, tristeza, amor, enojo, miedo y sorpresa en textos