Gk Hinglish Sentiment

🚀 ヒングリッシュテキストの感情分類: gk-hinglish-sentiment

このモデルは、ヒングリッシュテキストの感情分類を行うために開発されました。ヒングリッシュはインドで広く使われている言語で、このモデルはそのデータに対応しています。

🚀 クイックスタート

このモデルは、ヒングリッシュのテキストに対する感情分類を行います。以下に使用方法のサンプルコードを示します。

#sample code 
from transformers import BertTokenizer, BertForSequenceClassification
tokenizerg = BertTokenizer.from_pretrained("/content/model")
modelg = BertForSequenceClassification.from_pretrained("/content/model")

text = "kuch bhi type karo hinglish mai"
encoded_input = tokenizerg(text, return_tensors='pt')
output = modelg(**encoded_input)
print(output)
#output contains 3 lables LABEL_0 = Negative ,LABEL_1 = Nuetral ,LABEL_2 = Positive

✨ 主な機能

• ヒングリッシュコードミックステキストの感情分類が可能です。
• 3つのラベル（Negative、Neutral、Positive）で分類を行います。

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

#sample code 
from transformers import BertTokenizer, BertForSequenceClassification
tokenizerg = BertTokenizer.from_pretrained("/content/model")
modelg = BertForSequenceClassification.from_pretrained("/content/model")

text = "kuch bhi type karo hinglish mai"
encoded_input = tokenizerg(text, return_tensors='pt')
output = modelg(**encoded_input)
print(output)
#output contains 3 lables LABEL_0 = Negative ,LABEL_1 = Nuetral ,LABEL_2 = Positive

📚 ドキュメント

モデルの説明

少量のレビューデータセットを使用して学習されたモデルです。

想定される用途と制限

このモデルは、インドで主に使用されているヒングリッシュデータに対して良好に動作することを目的としています。ただし、学習データは予想よりも少なかったため、性能に制限があります。

制限とバイアス

データはヒングリッシュコードミックステキストのみを含み、非常に限られています。十分なデータが得られた場合、このモデルを更新する予定です。

🔧 技術詳細

学習データ

学習データは、3つのラベルに対するラベル付きデータを含んでいます。事前学習データの説明付きの事前学習モデルカードへのリンクは以下の通りです。 https://huggingface.co/rohanrajpal/bert-base-multilingual-codemixed-cased-sentiment

BibTeXエントリと引用情報

    title = "{GLUEC}o{S}: An Evaluation Benchmark for Code-Switched {NLP}",
    author = "Khanuja, Simran  and
      Dandapat, Sandipan  and
      Srinivasan, Anirudh  and
      Sitaram, Sunayana  and
      Choudhury, Monojit",
    booktitle = "Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics",
    month = jul,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2020.acl-main.329",
    pages = "3575--3585"
}

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で公開されています。