Downloads · 30 days
15
3% of all-time downloads
natmarinn/sentimientos-bregman
sentimientos-bregman is a text classification model from natmarinn. Use it when you need a label for a piece of text. It is set up for transformers.
Este modelo ha sido desarrollado en el marco de la Tesina para obtener el título de Licenciatura en Estadística en la Universidad Nacional de Rosario (UNR).
Downloads · 30 days
15
3% of all-time downloads
All-time downloads
475
Public
Parameters
278M
2.2 GB on disk
Likes
0
Public
Click a slice to open those files.
.safetensors1.1 GB · 100%
From the Hugging Face model README
Este modelo ha sido desarrollado en el marco de la Tesina para obtener el título de Licenciatura en Estadística en la Universidad Nacional de Rosario (UNR).
Autores:
Este modelo está diseñado para clasificar comentarios de diversas redes sociales obtenidos luego del primer debate presidencial en Argentina en el año 2023. Ha sido específicamente ajustado para analizar los comentarios sobre la candidata Myriam Bregman.
Para más información, consulte el siguiente enlace: link
cardiffnlp/twitter-xlm-roberta-base-sentiment| Métrica | Valor |
|---|---|
| Accuracy | 0.837838 |
| F1 Score | 0.824761 |
| Precision | 0.812948 |
| Recall | 0.837838 |
| Clase | Precision | Recall | F1 | Support |
|---|---|---|---|---|
| Clase 0 | 0.867925 | 0.92 | 0.893204 | 50 |
| Clase 1 | 0.0 | 0.0 | 0.0 | 2 |
| Clase 2 | 0.761905 | 0.727273 | 0.744186 | 22 |
| Clase 0 | Clase 1 | Clase 2 | |
|---|---|---|---|
| Clase 0 | 46 | 0 | 4 |
| Clase 1 | 1 | 0 | 1 |
| Clase 2 | 6 | 0 | 16 |
A continuación, se muestra un ejemplo de cómo cargar el modelo y su tokenizador, y realizar una predicción de sentimiento en un comentario:
from transformers import XLMRobertaForSequenceClassification, XLMRobertaTokenizer
import torch
# Cargar el modelo y el tokenizador
model_path = "natmarinn/sentimientos bregman"
model = XLMRobertaForSequenceClassification.from_pretrained(model_path)
tokenizer = XLMRobertaTokenizer.from_pretrained(model_path)
# Texto de ejemplo
texto = "Vamos rusa."
# Tokenización
inputs = tokenizer(texto, return_tensors="pt", truncation=True)
# Predicción
with torch.no_grad():
outputs = model(**inputs)
logits = outputs.logits
pred_class = torch.argmax(logits, dim=1).item()
# Mostrar resultado
clases = ["Clase 0", "Clase 1", "Clase 2"]
print(f"El comentario es clasificado como: {clases[pred_class]}")
@misc {natalia_marín_2024, author = { {Natalia Marín , Marcos Miguel Prunello} }, title = { sentimientos-bregman (Revision 685be08) }, year = 2024, url = { https://huggingface.co/natmarinn/sentimientos-bregman }, doi = { 10.57967/hf/3433 }, publisher = { Hugging Face } }