vi-fin-news
stagvn
Clasificación de texto
Este modelo es una versión ajustada de FPTAI/vibert-base-cased en el dataset None. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 0.4509, Precisión: 0.9136.
Como usar
Para usar este modelo, se recomienda revisar la documentación de Hugging Face sobre cómo implementar modelos de clasificación de texto utilizando Transformers y PyTorch. Código de ejemplo:
from transformers import AutoModelForSequenceClassification, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained('stagvn/vi-fin-news')
model = AutoModelForSequenceClassification.from_pretrained('stagvn/vi-fin-news')
inputs = tokenizer('Texto de entrada en vietnamita', return_tensors='pt')
outputs = model(**inputs)
logits = outputs.logits
Funcionalidades
- Clasificación de texto
- Transformers
- PyTorch
- Modelo ajustado a partir de FPTAI/vibert-base-cased
Casos de uso
- Clasificación de noticias financieras en vietnamita
- Análisis de sentimiento de textos financieros en vietnamita
- Filtrado de contenido financiero