wonrax/phobert-base-vietnamese-sentiment

wonrax

Clasificación de texto

Un modelo afinado para análisis de sentimientos basado en vinai/phobert-base. Este modelo está diseñado específicamente para la clasificación de texto y puede identificar sentimientos negativos, positivos y neutrales en reseñas de comercio electrónico en vietnamita.

Como usar

import torch
from transformers import RobertaForSequenceClassification, AutoTokenizer

model = RobertaForSequenceClassification.from_pretrained("wonrax/phobert-base-vietnamese-sentiment")

tokenizer = AutoTokenizer.from_pretrained("wonrax/phobert-base-vietnamese-sentiment", use_fast=False)

# Al igual que PhoBERT: ¡EL TEXTO DE ENTRADA DEBE ESTAR YA SEGMENTADO EN PALABRAS!
sentence = 'Đây là mô_hình rất hay , phù_hợp với điều_kiện và như cầu của nhiều người .'

input_ids = torch.tensor([tokenizer.encode(sentence)])

with torch.no_grad():
    out = model(input_ids)
print(out.logits.softmax(dim=-1).tolist())
# Salida:
# [[0.002, 0.988, 0.01]]
#    ^      ^      ^
#   NEG    POS    NEU

Funcionalidades

Clasificación de texto
Transformers
PyTorch
Vietnamita
roberta
Análisis de sentimientos
Clasificación
Compatible con AutoTrain
Compatible con Endpoints de Inferencia
Licencia: MIT

Casos de uso

Clasificación de sentimientos en reseñas de comercio electrónico vietnamitas
Análisis de satisfacción del cliente a partir de comentarios
Monitoreo de opiniones sobre productos