Emotion inglés DistilRoBERTa-base
Con este modelo, puedes clasificar emociones en datos de texto en inglés. El modelo fue entrenado en 6 conjuntos de datos diversos (ver el Apéndice a continuación) y predice 6 emociones básicas de Ekman, además de una clase neutral: - ira 🤬 - disgusto 🤢 - miedo 😨 - alegría 😀 - neutralidad 😐 - tristeza 😭 - sorpresa 😲 El modelo es un punto de control ajustado de DistilRoBERTa-base. Para un modelo de emociones 'no destilado', por favor, consulta la tarjeta del modelo de la versión RoBERTa-large.
Como usar
a) Ejecutar el modelo de emociones con 3 líneas de código en un único ejemplo de texto usando el comando pipeline de Hugging Face en Google Colab:
from transformers import pipeline
classifier = pipeline("text-classification", model="j-hartmann/emotion-english-distilroberta-base", return_all_scores=True)
classifier("¡Me encanta esto!")
Salida:
[[{'label': 'anger', 'score': 0.004419783595949411},
{'label': 'disgust', 'score': 0.0016119900392368436},
{'label': 'fear', 'score': 0.0004138521908316761},
{'label': 'joy', 'score': 0.9771687984466553},
{'label': 'neutral', 'score': 0.005764586851000786},
{'label': 'sadness', 'score': 0.002092392183840275},
{'label': 'surprise', 'score': 0.008528684265911579}]]
b) Ejecutar el modelo de emociones en múltiples ejemplos y conjuntos de datos completos (por ejemplo, archivos .csv) en Google Colab:
Funcionalidades
- Clasificación de emociones
- Entrenado en 6 conjuntos de datos diversos
- Predicción de emociones básicas de Ekman
- Punto de control ajustado de DistilRoBERTa-base
- Compatible con AutoTrain
- Compatibilidad con Inference Endpoints
Casos de uso
- Clasificación de emociones en datos de texto en inglés
- Análisis psicolingüístico de rumores y no rumores en tweets
- Generación de texto descriptivo a partir de grabaciones musicales
- Análisis longitudinal de sentimientos y emociones en titulares de medios de comunicación