SYAS1 PTBR

🚀 SYAS1

SYAS1-PTBRは、Distilbertをベースとした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。このモデルは、研究目的だけでなく、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を目指しています。

🚀 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、Distilbert-baseをfine-tuningすることで訓練されたモデルです。訓練はGoogle Colab Pro上で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開発されました。DistilBERTをfine-tuningしたモデルなので英語でも動作しますが、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

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。