cardiffnlp/twitter-roberta-base-emoji
cardiffnlp
Clasificación de texto
Twitter-roBERTa-base para la predicción de emojis. Es un modelo roBERTa-base entrenado con aproximadamente 58 millones de tweets y afinado para la predicción de emojis con el benchmark TweetEval. Paper: TweetEval benchmark (Findings of EMNLP 2020). Git Repo: Repositorio oficial de Tweeteval.
Como usar
from transformers import AutoModelForSequenceClassification
from transformers import TFAutoModelForSequenceClassification
from transformers import AutoTokenizer
import numpy as np
from scipy.special import softmax
import csv
import urllib.request
# Preprocess text (username and link placeholders)
def preprocess(text):
new_text = []
for t in text.split(" "):
t = '@user' if t.startswith('@') and len(t) > 1 else t
t = 'http' if t.startswith('http') else t
new_text.append(t)
return " ".join(new_text)
# Tasks:
# emoji, emotion, hate, irony, offensive, sentiment
# stance/abortion, stance/atheism, stance/climate, stance/feminist, stance/hillary
task='emoji'
MODEL = f"cardiffnlp/twitter-roberta-base-{task}"
tokenizer = AutoTokenizer.from_pretrained(MODEL)
# download label mapping
labels=[]
mapping_link = f"https://raw.githubusercontent.com/cardiffnlp/tweeteval/main/datasets/{task}/mapping.txt"
with urllib.request.urlopen(mapping_link) as f:
html = f.read().decode('utf-8').split("\n")
csvreader = csv.reader(html, delimiter='\t')
labels = [row[1] for row in csvreader if len(row) > 1]
# PT
model = AutoModelForSequenceClassification.from_pretrained(MODEL)
model.save_pretrained(MODEL)
text = "Looking forward to Christmas"
text = preprocess(text)
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)
scores = output[0][0].detach().numpy()
scores = softmax(scores)
ranking = np.argsort(scores)
ranking = ranking[::-1]
for i in range(scores.shape[0]):
l = labels[ranking[i]]
s = scores[ranking[i]]
print(f"{i+1}) {l} {np.round(float(s), 4)}")
Output:
1) 🎄 0.5457
2) 😊 0.1417
3) 😁 0.0649
4) 😍 0.0395
5) ❤️ 0.03
6) 😜 0.028
7) ✨ 0.0263
8) 😉 0.0237
9) 😂 0.0177
10) 😎 0.0166
11) 😘 0.0143
12) 💕 0.014
13) 💙 0.0076
14) 💜 0.0068
15) 🔥 0.0065
16) 💯 0.004
17) 🇺🇸 0.0037
18) 📷 0.0034
19) ☀ 0.0033
20) 📸 0.0021
Funcionalidades
- Clasificación de texto
- Compatibilidad con Transformers
- Compatibilidad con PyTorch
- Compatibilidad con TensorFlow
- Compatibilidad con JAX
- Modelo roberta
- Compatibilidad con AutoTrain
- Compatibilidad con Endpoints de Inferencia
- Referencia arxiv:2010.12421
Casos de uso
- Predicción de emojis en tweets
- Clasificación de emociones
- Identificación de discurso de odio
- Detección de ironía
- Clasificación de contenido ofensivo
- Análisis de sentimientos
- Posicionamiento en temas como aborto, ateísmo, cambio climático, feminismo y Hillary Clinton