Update README.md
Browse files
README.md
CHANGED
@@ -68,7 +68,7 @@ Este modelo está basado en XLM-RoBERTa y ha sido fine-tuned para realizar anál
|
|
68 |
|
69 |
Este modelo puede ser utilizado para clasificar el sentimiento de textos en español en tres categorías: negativo, neutro y positivo.
|
70 |
|
71 |
-
python
|
72 |
from transformers import AutoModelForSequenceClassification, AutoTokenizer
|
73 |
import torch
|
74 |
|
@@ -88,9 +88,10 @@ def predict(text):
|
|
88 |
return class_labels[predicted_class]
|
89 |
|
90 |
# Ejemplo de uso
|
91 |
-
texto = "
|
92 |
sentimiento = predict(texto)
|
93 |
print(f"El sentimiento del texto es: {sentimiento}")
|
|
|
94 |
|
95 |
|
96 |
## Limitaciones
|
|
|
68 |
|
69 |
Este modelo puede ser utilizado para clasificar el sentimiento de textos en español en tres categorías: negativo, neutro y positivo.
|
70 |
|
71 |
+
```python
|
72 |
from transformers import AutoModelForSequenceClassification, AutoTokenizer
|
73 |
import torch
|
74 |
|
|
|
88 |
return class_labels[predicted_class]
|
89 |
|
90 |
# Ejemplo de uso
|
91 |
+
texto = "Vamos rusa!"
|
92 |
sentimiento = predict(texto)
|
93 |
print(f"El sentimiento del texto es: {sentimiento}")
|
94 |
+
```
|
95 |
|
96 |
|
97 |
## Limitaciones
|