j-hartmann/sentiment-roberta-large-english-3-classes
j-hartmann
Clasificación de texto
Este modelo basado en RoBERTa puede clasificar el sentimiento de textos en inglés en 3 clases: positivo, neutral y negativo. El modelo fue ajustado con 5,304 publicaciones en redes sociales anotadas manualmente. La precisión de retención es del 86.1%. Para obtener detalles sobre el enfoque de entrenamiento, consulte el Apéndice Web F en Hartmann et al. (2021).
Como usar
Cómo usar el modelo:
from transformers import pipeline
classifier = pipeline("text-classification", model="j-hartmann/sentiment-roberta-large-english-3-classes", return_all_scores=True)
classifier("This is so nice!")
Ejemplo de salida:
[[{'label': 'negative', 'score': 0.00016451838018838316},
{'label': 'neutral', 'score': 0.000174045650055632},
{'label': 'positive', 'score': 0.9996614456176758}]]
Funcionalidades
- Clasificación de texto
- Basado en Transformers
- Compatible con PyTorch
- Compatible con AutoTrain
- Compatible con Endpoints de Inferencia
Casos de uso
- Clasificación del sentimiento de publicaciones en redes sociales
- Análisis de la opinión del cliente
- Monitoreo de la reputación en línea