sci-sentiment-classify
Este modelo ha sido ajustado específicamente en Scibert para la clasificación de sentimientos en textos científicos. Su tarea principal es categorizar el sentimiento expresado por el autor según el contexto de la oración. El modelo clasifica el sentimiento en una de tres clases: positivo, negativo o neutral. La clase positiva se asigna cuando el autor expresa un sentimiento positivo en el texto, mientras que la clase negativa se usa cuando se transmite un sentimiento negativo. La clase neutral se asigna cuando el texto no muestra ningún sentimiento positivo o negativo fuerte.
Como usar
El modelo clasifica el sentimiento en las siguientes clases:
- Sentimiento positivo en contexto se clasifica como
p
- Sentimiento negativo en contexto se clasifica como
n
- Sentimiento neutral en contexto se clasifica como (otro)
o
El modelo logró un puntaje F1 de 0.72 y una precisión de 0.73, con el conjunto de datos anotado manualmente: (https://huggingface.co/datasets/puzzz21/sci-sentiment-annotated-dataset).
Para el ajuste fino, se utilizó el conjunto de datos públicamente disponible sobre identificación de contexto de Angrosh et al. (https://dl.acm.org/doi/10.1145/1816123.1816168).
Funcionalidades
- Clasificación de texto
- Transformers
- PyTorch
- Safetensors
- Clasificación de sentimientos en textos científicos
Casos de uso
- Categorizar el sentimiento en textos científicos
- Análisis del tono en publicaciones académicas
- Investigación sobre opiniones e intenciones en escritos académicos