JiaqiLee/bert-agnews
JiaqiLee
Clasificación de texto
Este modelo es una versión ajustada del modelo bert-base-uncased para clasificar artículos de noticias en una de cuatro categorías: Mundo (etiqueta 0), Deportes (etiqueta 1), Negocios (etiqueta 2), Ciencia/Tecnología (etiqueta 3).
Como usar
from transformers import BertForSequenceClassification, BertTokenizer, TextClassificationPipeline
model_path = "JiaqiLee/bert-agnews"
tokenizer = BertTokenizer.from_pretrained(model_path)
model = BertForSequenceClassification.from_pretrained(model_path, num_labels=4)
pipeline = TextClassificationPipeline(model=model, tokenizer=tokenizer)
print(pipeline("Google anota un aumento del 18 en el primer día (USATODAY.com): USATODAY.com - Incluso un gran salto en las acciones de Google (GOOG) no pudo calmar el debate sobre si la subasta controvertida del motor de búsqueda de Internet fue un éxito o un fracaso."))
Funcionalidades
- Clasificación de textos
- Transformers
- PyTorch
- bert
Casos de uso
- Clasificación de artículos de noticias