Mistralai Sentiment Nuclear

🚀 MistralAI 7B ニュークリアエネルギーテキスト分類モデル

このモデルは、Twitter/Xから収集したニュークリアエネルギーに関するデータでMistralAI 7Bをファインチューニングしたもので、94%の分類精度を達成しています。

🚀 クイックスタート

このモデルは、ニュークリアエネルギーに関するテキストを、ネガティブ、ニュートラル、ポジティブの3つのカテゴリに分類することができます。ただし、このモデルを実行するには十分なGPUが必要です。

✨ 主な機能

• Twitter/Xのニュークリアエネルギーデータでファインチューニングされたモデルです。
• 3つのラベル（ネガティブ、ニュートラル、ポジティブ）でテキストを分類します。
• 分類精度は94%です。

📦 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 torch

💻 使用例

基本的な使用法

# このコードは、MistralAI 7Bモデルを使用して、ニュークリアエネルギーに関するテキストのセンチメント分析を行います。
from transformers import AutoTokenizer
from transformers import pipeline
from transformers import AutoModelForSequenceClassification
import torch

checkpoint = 'kumo24/mistralai-sentiment-nuclear'
tokenizer=AutoTokenizer.from_pretrained(checkpoint)
id2label = {0: "negative", 1: "neutral", 2: "positive"}
label2id = {"negative": 0, "neutral": 1, "positive": 2}
    

if tokenizer.pad_token is None:
    tokenizer.add_special_tokens({'pad_token': '[PAD]'})

model = AutoModelForSequenceClassification.from_pretrained(checkpoint, 
                                                       num_labels=3,
                                                       id2label=id2label, 
                                                       label2id=label2id,
                                                       device_map='auto')

sentiment_task = pipeline("sentiment-analysis", 
                          model=model, 
                          tokenizer=tokenizer)

print(sentiment_task("Michigan Wolverines are Champions, Go Blue!"))

高度な使用法

# 高度な使用法に関する説明はありませんが、このコードは基本的な使用法と同じです。
from transformers import AutoTokenizer
from transformers import pipeline
from transformers import AutoModelForSequenceClassification
import torch

checkpoint = 'kumo24/mistralai-sentiment-nuclear'
tokenizer=AutoTokenizer.from_pretrained(checkpoint)
id2label = {0: "negative", 1: "neutral", 2: "positive"}
label2id = {"negative": 0, "neutral": 1, "positive": 2}
    

if tokenizer.pad_token is None:
    tokenizer.add_special_tokens({'pad_token': '[PAD]'})

model = AutoModelForSequenceClassification.from_pretrained(checkpoint, 
                                                       num_labels=3,
                                                       id2label=id2label, 
                                                       label2id=label2id,
                                                       device_map='auto')

sentiment_task = pipeline("sentiment-analysis", 
                          model=model, 
                          tokenizer=tokenizer)

print(sentiment_task("Michigan Wolverines are Champions, Go Blue!"))

📄 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。

⚠️ 重要提示

このモデルを実行するには十分なGPUが必要です。

💡 使用建议

このモデルは、ニュークリアエネルギーに関するテキストのセンチメント分析に最適化されています。他のドメインのテキストには適用できない場合があります。