Clasificación de Contenidos Tóxicos Relacionados con la Salud Mental de la Generación Z
gechim
Clasificación de texto
Este modelo es una versión ajustada de vinai/phobert-base-v2 en un conjunto de datos desconocido. El modelo está diseñado para clasificar el contenido tóxico relacionado con la salud mental, específicamente dirigido a la Generación Z. Se destacada por su precisión y eficiente procesamiento de texto utilizando la tecnología Transformers.
Como usar
Para usar este modelo, puede seguir la configuración de código siguiente en Python:
from transformers import AutoModelForSequenceClassification, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained('gechim/GenZ-mental-health-toxic-content-classification')
model = AutoModelForSequenceClassification.from_pretrained('gechim/GenZ-mental-health-toxic-content-classification')
inputs = tokenizer('Me gustas. Te amo.', return_tensors='pt')
outputs = model(**inputs)
Funcionalidades
- Clasificación de texto
- Optimizado con Transformadores
- Compatibilidad con Safetensors
- Modelo basado en roberta
- Entrenado mediante el generador de entrenadores
- Compatibilidad con AutoTrain
- Compatibilidad con endpoints
- Región: US
Casos de uso
- Detección y clasificación de contenido tóxico en redes sociales
- Monitoreo de contenido relacionado con la salud mental en plataformas de comunicación
- Asesoramiento y moderación de contenido en comunidades en línea