Bert Imdb Model

🚀 BERT IMDb センチメント分析モデル

このリポジトリには、IMDbの映画レビューに対するセンチメント分析用にファインチューニングされたBERTモデルが含まれています。このモデルは、テキストをポジティブまたはネガティブのセンチメントに分類します。

🚀 クイックスタート

ライブデモ: https://huggingface.co/spaces/philipobiorah/bert-sentiment-analysis

✨ 主な機能

このモデルは、IMDbの映画レビューのセンチメントを高精度に分析し、ポジティブまたはネガティブのセンチメントを分類できます。

📚 ドキュメント

モデルの詳細

💻 使用例

基本的な使用法

from transformers import BertTokenizer, BertForSequenceClassification
import torch

model_name = "philipobiorah/bert-imdb-model"

# Load tokenizer and model
tokenizer = BertTokenizer.from_pretrained("bert-base-uncased")
model = BertForSequenceClassification.from_pretrained(model_name)

# Define function for sentiment prediction with confidence score
def predict_sentiment(text):
    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=512)
    
    with torch.no_grad():
        logits = model(**inputs).logits
    
    # Convert logits to probabilities
    probabilities = torch.nn.functional.softmax(logits, dim=1)[0]
    
    # Get predicted class (0 = Negative, 1 = Positive)
    sentiment_idx = probabilities.argmax().item()
    confidence = probabilities[sentiment_idx].item() * 100  # Convert to percentage
    
    sentiment_label = "Positive" if sentiment_idx == 1 else "Negative"
    
    return {"sentiment": sentiment_label, "confidence": round(confidence, 2)}

# Test the model
result1 = predict_sentiment("This movie was absolutely fantastic!")
result2 = predict_sentiment("I really disliked this movie, it was terrible.")

print(f"Sentiment: {result1['sentiment']}, Confidence: {result1['confidence']}%")
print(f"Sentiment: {result2['sentiment']}, Confidence: {result2['confidence']}%")

📄 ライセンス

このモデルはMITライセンスの下で提供されています。