README.md

metadata

language:
  - es
base_model: cardiffnlp/twitter-roberta-base-sentiment-latest
pipeline_tag: text-classification
tags:
  - text-classification

BERT Bregman - Modelo de Análisis de Sentimientos en Español

Este modelo está basado en XLM-RoBERTa y ha sido fine-tuned para realizar análisis de sentimientos en textos en español.

Rendimiento del Modelo

•⁠ ⁠Accuracy: 0.7432 •⁠ ⁠F1 Score: 0.7331 •⁠ ⁠Precision: 0.7483 •⁠ ⁠Recall: 0.7432

Métricas por Clase

Clase	Precision	Recall	F1-Score	Support
Negativo	0.8718	0.7234	0.7907	47
Neutro	0.0000	0.0000	0.0000	3
Positivo	0.6000	0.8750	0.7119	24

Uso del Modelo

Este modelo puede ser utilizado para clasificar el sentimiento de textos en español en tres categorías: negativo, neutro y positivo.

⁠ python from transformers import AutoModelForSequenceClassification, AutoTokenizer import torch

model_name = "nmarinnn/bert-bregman" model = AutoModelForSequenceClassification.from_pretrained(model_name) tokenizer = AutoTokenizer.from_pretrained(model_name)

def predict(text): inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=512) with torch.no_grad(): outputs = model(**inputs)

probabilities = torch.nn.functional.softmax(outputs.logits, dim=-1)
predicted_class = torch.argmax(probabilities, dim=-1).item()

class_labels = {0: "negativo", 1: "neutro", 2: "positivo"}
return class_labels[predicted_class]

Ejemplo de uso

texto = "Me encanta este producto, es excelente!" sentimiento = predict(texto) print(f"El sentimiento del texto es: {sentimiento}")  ⁠

Limitaciones

•⁠ ⁠El modelo muestra un rendimiento bajo en la clase "neutro", posiblemente debido a un desbalance en el dataset de entrenamiento. •⁠ ⁠Se recomienda precaución al interpretar resultados para textos muy cortos o ambiguos.

Información de Entrenamiento

•⁠ ⁠Épocas: 2 •⁠ ⁠Pasos de entrenamiento: 148 •⁠ ⁠Pérdida de entrenamiento: 0.6209

Cita

Si utilizas este modelo en tu investigación, por favor cita:

@misc{marinnn2023bertbregman, author = {Marin, Natalia}, title = {BERT Bregman - Modelo de Análisis de Sentimientos en Español}, year = {2023}, publisher = {HuggingFace}, journal = {HuggingFace Model Hub}, howpublished = {\url{https://huggingface.co/nmarinnn/bert-bregman}} }