WangchanBERTa-finetuned-sentiment
poom-sci
Clasificación de texto
Modelo finetuneado para análisis de sentimientos. Este modelo está basado en WangchanBERTa y ha sido entrenado específicamente para la clasificación de textos por sentiment, con diversas características y funcionalidades avanzadas.
Como usar
Para usar este modelo, puedes seguir el siguiente ejemplo en código:
from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("poom-sci/WangchanBERTa-finetuned-sentiment")
model = AutoModelForSequenceClassification.from_pretrained("poom-sci/WangchanBERTa-finetuned-sentiment")
text = "Tu texto aquí"
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)
Ejemplos de uso:
- Positivo: "โอโห้ ช่องนี้เปิดโลกเรามากเลยค่ะ คือตอนช่วงหาคำตอบเรานี่อึ้งไปเลย ดูจีเนียสมากๆๆ"
- Neutral: "เริ่มจากชายเน็ตคนหนึ่งเปิดประเด็นว่าไปพบเจ้าจุดดำลึกลับนี้กลางมหาสมุทรใน Google Maps จนนำไปสู่การเสาะหาคำตอบ และพบว่าจริง ๆ แล้วมันคืออะไรกันแน่"
- Negativo: "ผมเป็นคนที่ไม่มีความสุขเลยจริงๆ"
Funcionalidades
- Clasificación de textos
- Transformers
- PyTorch
- TensorBoard
- Compatibilidad con AutoTrain
- Compatibilidad con Endpoints de Inferencia
Casos de uso
- Clasificación de sentimientos en reseñas de productos
- Análisis de sentimientos en redes sociales
- Monitoreo de opiniones en tiempo real