BERT pre-entrenado en Twitter sobre la Elección de EE.UU. 2020 para la Detección de Postura hacia Donald Trump (KE-MLM)

Este modelo de lenguaje pre-entrenado está afinado para la tarea de detección de postura específicamente hacia Donald Trump. Por favor, consulte el repositorio oficial para más detalles.

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
import numpy as np

# elegir GPU si está disponible
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# seleccionar ruta del modelo aquí
pretrained_LM_path = "kornosk/bert-election2020-twitter-stance-trump-KE-MLM"

# cargar modelo
tokenizer = AutoTokenizer.from_pretrained(pretrained_LM_path)
model = AutoModelForSequenceClassification.from_pretrained(pretrained_LM_path)

id2label = {
    0: "CONTRA",
    1: "A FAVOR",
    2: "NINGUNO"
}

##### Predicción Neutral #####
sentence = "Hola Mundo."
inputs = tokenizer(sentence.lower(), return_tensors="pt")
outputs = model(**inputs)
predicted_probability = torch.softmax(outputs[0], dim=1)[0].tolist()

print("Frase:", sentence)
print("Predicción:", id2label[np.argmax(predicted_probability)])
print("Contra:", predicted_probability[0])
print("A Favor:", predicted_probability[1])
print("Neutral:", predicted_probability[2])

##### Predicción A Favor #####
sentence = "Vamos Vamos Trump!!!"
inputs = tokenizer(sentence.lower(), return_tensors="pt")
outputs = model(**inputs)
predicted_probability = torch.softmax(outputs[0], dim=1)[0].tolist()

print("Frase:", sentence)
print("Predicción:", id2label[np.argmax(predicted_probability)])
print("Contra:", predicted_probability[0])
print("A Favor:", predicted_probability[1])
print("Neutral:", predicted_probability[2])

##### Predicción Contra #####
sentence = "Trump es el peor."
inputs = tokenizer(sentence.lower(), return_tensors="pt")
outputs = model(**inputs)
predicted_probability = torch.softmax(outputs[0], dim=1)[0].tolist()

print("Frase:", sentence)
print("Predicción:", id2label[np.argmax(predicted_probability)])
print("Contra:", predicted_probability[0])
print("A Favor:", predicted_probability[1])
print("Neutral:", predicted_probability[2])