distilbert-base-multilingual-cased-sentiments-student
lxyuan
Clasificación de texto
Este modelo es una versión destilada del pipeline de clasificación zero-shot en el conjunto de datos Multilingual Sentiment usando este script. En realidad, el conjunto de datos multilingual-sentiment está anotado, pero para el ejemplo ignoraremos las anotaciones.
Como usar
Ejemplo de inferencia usando el modelo distilbert-base-multilingual-cased-sentiments-student:
from transformers import pipeline
distilled_student_sentiment_classifier = pipeline(
model="lxyuan/distilbert-base-multilingual-cased-sentiments-student",
return_all_scores=True
)
# inglés
distilled_student_sentiment_classifier ("I love this movie and i would watch it again and again!")
>> [[{'label': 'positive', 'score': 0.9731044769287109},
{'label': 'neutral', 'score': 0.016910076141357422},
{'label': 'negative', 'score': 0.009985478594899178}]]
# malayo
distilled_student_sentiment_classifier("Saya suka filem ini dan saya akan menontonnya lagi dan lagi!")
[[{'label': 'positive', 'score': 0.9760093688964844},
{'label': 'neutral', 'score': 0.01804516464471817},
{'label': 'negative', 'score': 0.005945465061813593}]]
# japonés
distilled_student_sentiment_classifier("私はこの映画が大好きで、何度も見ます!")
>> [[{'label': 'positive', 'score': 0.9342429041862488},
{'label': 'neutral', 'score': 0.040193185210227966},
{'label': 'negative', 'score': 0.025563929229974747}]]
Funcionalidades
- Clasificación de texto
- Transformers
- PyTorch
- Safetensors
- Análisis de sentimientos
- Clasificación zero-shot
- Destilación zero-shot
Casos de uso
- Análisis de sentimientos en múltiples idiomas
- Clasificación de opiniones y comentarios en redes sociales
- Monitoreo de percepciones de productos y servicios en diferentes regiones
- Clasificación de reseñas en sitios web multilíngües
- Obtención de insight sobre emociones y sentimientos en textos multilingües