Downloads · 30 days
3
12% of all-time downloads
girenit-TR-Sentiment
girenit/girenit-TR-Sentiment
girenit-TR-Sentiment is a text classification model from girenit. Use it when you need a label for a piece of text. The card lists the license as mit.
dbmdz/bert-base-turkish-cased tabanının Türkçe duygu analizi (olumlu/nötr/olumsuz) için fine-tune'u. 3 sınıf. Doğrulama: accuracy 100.0%, macro-F1 100.0%. Not: Sentetik (GoktugD/turkish-sentiment-1m) veriyle eğitildi;…
All-time downloads
26
Public
Parameters
111M
443 MB on disk
Likes
0
Public
Repo makeup
Click a slice to open those files.
.safetensors443 MB · 100%
At a glance
- Task
- Text Classification
- License
- mit
- Model type
- bert
- Access
- Public
- Created
- Sep 16, 2026
- Updated
- Sep 16, 2026
- SHA
- cfe50298
Base models
Datasets
Model card
From the Hugging Face model README
girenit-TR-Sentiment — Türkçe duygu analizi (olumlu/nötr/olumsuz)
dbmdz/bert-base-turkish-cased tabanının Türkçe duygu analizi (olumlu/nötr/olumsuz) için fine-tune'u. 3 sınıf. Doğrulama: accuracy 100.0%, macro-F1 100.0%.
Not: Sentetik (GoktugD/turkish-sentiment-1m) veriyle eğitildi; gerçek-dünya kullanımında doğrulama önerilir.
🎯 Gerçek-dünya doğrulaması
Model sentetik veriyle eğitildi, ancak tamamen bağımsız, gerçek bir Türkçe sentiment test setinde (winvoker/turkish-sentiment-analysis-dataset, 3.000 gerçek ürün yorumu) doğrulandı:
| Test | Accuracy |
|---|---|
| Sentetik-içi (eğitim dağıtımı) | %100 (ezber — anlamlı değil) |
| Gerçek-dünya (winvoker, görülmemiş) | %87,6 |
Sentetik veriyle eğitilip gerçek ürün yorumlarında %87,6 doğruluk, güçlü bir genelleme yeteneği gösterir. Laf değil, kanıt.
Kullanım
from transformers import pipeline
clf = pipeline("text-classification", model="girenit/girenit-TR-Sentiment")
print(clf("Örnek Türkçe metin"))
- Task
- Text Classification
- Type
- bert
- License
- mit
- Languages
- tr
- Created
- Sep 16, 2026
- Updated
- Sep 16, 2026