GroNLP/mdebertav3-subjectivity-multilingual
GroNLP
Clasificación de texto
Modelo mDeBERTa V3 afinado para la detección de subjetividad en frases de periódicos. Este modelo fue desarrollado como parte de la tarea CLEF 2023 CheckThat! Lab Task 2: Subjetividad en Artículos de Noticias. El objetivo de esta tarea es detectar si una frase es objetiva (OBJ) o subjetiva (SUBJ). Una frase es subjetiva si su contenido está basado en o influenciado por sentimientos, gustos u opiniones personales. De lo contrario, la frase es objetiva.
Como usar
El modelo se afinó utilizando un conjunto de datos de entrenamiento y desarrollo multilingüe, para el cual se utilizaron los siguientes (hiper)parámetros:
- Tamaño del Lote = 64
- Máximas Épocas = 8
- Tasa de Aprendizaje = 3e-5
- Pasos de Aclimatación = 500
- Decaimiento de Peso = 0.3
El modelo ocupó el segundo lugar en el CheckThat! Lab y obtuvo un macro F1 de 0.81 y un F1 de SUBJ de 0.81.
Funcionalidades
- Clasificación de texto
- Transformers
- PyTorch
- Safetensors
- deberta-v2
- subjetividad
- periódicos
- CLEF2023
Casos de uso
- Detección de subjetividad en artículos de noticias
- Clasificación de frases objetivas y subjetivas
- Análisis de contenido periodístico
- Tareas de verificación de hechos