|
--- |
|
tags: |
|
- autotrain |
|
- text-classification |
|
widget: |
|
- text: Amo um cafune |
|
- text: Odeio motoqueiro |
|
- text: Sou um pouco curioso |
|
datasets: |
|
- yelp_review_full |
|
- Adilmar/caramelo-emotions-v2 |
|
license: cc-by-4.0 |
|
language: |
|
- pt |
|
- en |
|
metrics: |
|
- accuracy |
|
- f1 |
|
--- |
|
|
|
# 🇧🇷 Caramelo Smile 🇧🇷 |
|
|
|
<img src="https://i.imgur.com/sKAe5ZP.png" width="20%"/> |
|
|
|
# Modelo treinado com mais de +100M de parâmetros em Português do Brasil |
|
|
|
# Classificação de Texto |
|
|
|
<img src="https://i.imgur.com/WEnueLY.png"/> |
|
|
|
A classificação de texto é a tarefa de atribuir um rótulo ou classe (classificar) a um determinado texto. Alguns casos de uso são análise de sentimentos, inferência de linguagem natural e avaliação de correção gramatical. |
|
|
|
## Análise de sentimentos |
|
|
|
Na Análise de Sentimentos, as classes podem ser polaridades como positivo, negativo, neutro ou sentimentos como felicidade ou raiva. |
|
|
|
|
|
## Infereferência |
|
Você pode usar a biblioteca 🤗 Transformers com o pipeline de análise de sentimento para inferir com modelos de análise de sentimento. O modelo retorna o rótulo com a pontuação. |
|
|
|
```python |
|
from transformers import pipeline |
|
classifier = pipeline("sentiment-analysis") |
|
classifier("Te amo!") |
|
|
|
## [{'label': 'POSITIVE', 'score': 0.99} |
|
``` |
|
|
|
- Problem type: Text Classification |
|
|
|
## Validation Metrics |
|
loss: 0.38050948955218133 |
|
|
|
accuracy: 0.905251148915585 |
|
|
|
## Cite |
|
|
|
``` |
|
@misc {adilmar_coelho_dantas_2024, |
|
author = { {Adilmar Coelho Dantas} }, |
|
title = { caramelo-smile (Revision 2707a19) }, |
|
year = 2024, |
|
url = { https://huggingface.co/Adilmar/caramelo-smile }, |
|
doi = { 10.57967/hf/2061 }, |
|
publisher = { Hugging Face } |
|
} |
|
``` |
