SYAS1 PTBR

🚀 SYAS1

SYAS1-PTBRは、DistilbertをベースにしたTransformerモデルで、ブラジルポルトガル語の感情分析に特化しています。主な目的は学習だけでなく、ポルトガル語用のLLMが非常に少ないブラジルのコミュニティに貢献することです。

🚀 クイックスタート

SYAS1-PTBRは、Kaggleの「Portuguese Tweets for Sentiment Analysis」データセットを使用してfine-tuningで訓練されたDistilbert-baseベースのモデルです。訓練はGoogle Colab ProでNVIDIA L4 GPUを使用して行われました。

✨ 主な機能

SYAS1は、ポルトガル語の感情分析を目的として作成されました。DistilBERTをfine-tuningして訓練されたモデルなので、英語でも機能しますが、ポルトガル語での使用が強く推奨されます。他の言語の感情分析が必要な場合は、他の利用可能なモデルを使用することをおすすめします。

📦 インストール

このセクションでは、モデルを使用するためのコード例を示します。

💻 使用例

基本的な使用法

import torch
import torch.nn.functional as F
from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("1Arhat/SYAS1-PTBR")
model = AutoModelForSequenceClassification.from_pretrained("1Arhat/SYAS1-PTBR")

# Texto para classificação
texto = "Esse produto é incrível! Recomendo muito."

# Processar seu texto
inputs = tokenizer(texto, return_tensors="pt")

# Previsões do modelo

with torch.no_grad():
    outputs = model(**inputs)

logits = outputs.logits
predicao = torch.argmax(logits, dim=1).item()

#print(f"Classe prevista: {predicao}")

# Output: Classe prevista: 2

# Caso deseje que ele entregue porcentagens de todas as classes:

probs = F.softmax(logits, dim=1)  # Uso da função softmax para transformar a saída do logits em probabilidades

labels = ["Negativo", "Neutro", "Positivo"]

for idx, label in enumerate(labels):
    print(f'{label}: {probs[0][idx]}')

# Output:

#Negativo: 0.2401905506849289
#Neutro: 0.028042761608958244
#Positivo: 0.7317667007446289

# Caso deseje mais praticidade, use o pipeline do Hugging face

📚 ドキュメント

モデルの詳細

結果

📄 ライセンス

このモデルはApache 2.0ライセンスの下で提供されています。