cardiffnlp/twitter-roberta-base-irony
cardiffnlp
Clasificación de texto
Este es un modelo basado en roBERTa entrenado en aproximadamente 58 millones de tweets y ajustado para la detección de ironía con el benchmark TweetEval. Este modelo se ha integrado en la biblioteca de Python TweetNLP. Papel: Benchmark de TweetEval (Resultados de EMNLP 2020). Repositorio Git: 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
# Preprocesar texto (placeholders de nombres de usuario y enlaces)
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)
# Tareas:
# emoji, emoción, odio, ironía, ofensivo, sentimiento
# posición/aborto, posición/ateísmo, posición/clima, posición/feminista, posición/hillary
task='irony'
MODEL = f'cardiffnlp/twitter-roberta-base-{task}'
tokenizer = AutoTokenizer.from_pretrained(MODEL)
# Descargar mapeo de etiquetas
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 = 'Genial, se rompió el primer día...'
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) ironía 0.914
2) no_ironia 0.086
Funcionalidades
- Clasificación de texto
- Basado en transformers
- Compatible con PyTorch
- Compatible con TensorFlow
- Compatible con JAX
- Ajustado para la detección de ironía
- Compatible con AutoTrain
- Compatible con Endpoints de Inferencia
Casos de uso
- Detección de ironía en tweets.
- Clasificación de texto en otros contextos deportivos o sociales.
- Análisis de sentimiento en redes sociales.