Clf Sentimentos Cmts

🚀 モデルカード：CLF - SENTIMENTOS - CMTS ファインチューニング済み XLM - RoBERTa

このモデルは、自然言語処理（NLP）の特定のタスク、特にブラジルポルトガル語のソーシャルメディアから抽出されたテキストの感情分類（エモジの処理も含む）に機械学習技術を適用したものです。このモデルは、多言語の広範なデータで事前学習された非常に効果的で堅牢なTransformerアーキテクチャであるXLM - RoBERTaを適応させたものです。

✨ 主な機能

• ブラジルポルトガル語のソーシャルメディアテキストの感情分類を行い、エモジの解釈も含む。
• 特定のデータセットでXLM - RoBERTaのパラメータを調整し、感情分類タスクに最適化。
• 広範なデータセットを使用して学習し、様々なコンテキストと言語表現に対応。
• ソーシャルメディアのコメントの感情を正確に分類し、ポジティブ、ネガティブ、ニュートラルのラベルを付与。

📦 インストール

このモデルは、transformersライブラリを使用して利用できます。以下のコー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

from transformers import pipeline

# モデル tbluhm/clf-sentimentos-cmts を読み込む
analise_sentimento =  pipeline("text-classification", model="tbluhm/clf-sentimentos-cmts")

# 感情分析するテキストの例
texto = "Excelente notícia para todos os brasileiros!"

# テキストの感情分析を実行
resultado = analise_sentimento(texto)

# 結果を出力
print(resultado)

📚 ドキュメント

モデルの起源

このモデルは、xlm - roberta - base - tweet - sentiment - ptをファインチューニングしたバージョンです。

性能指標

このモデルは、評価セットで以下の結果を達成しています。

モデルの目的

このモデルの目的は、短いテキストの感情をポジティブ、ネガティブ、ニュートラルなどのカテゴリに分類することです。ソーシャルメディアの感情分析、製品評価、顧客フィードバックなど、様々なアプリケーションで使用できます。

想定される使用方法

モデルを使用するには、短いテキストを感情分析パイプラインに入力するだけです。モデルはテキストの感情をポジティブ、ネガティブ、ニュートラルとして分類します。

学習データ

このモデルは、様々な言語の製品評価、ツイート、その他の短いテキストソースから構成されるデータセットでファインチューニングされました。学習データセットには、100万以上のラベル付きサンプルが含まれています。

制限事項と倫理的な考慮事項

モデルは人間の感情のすべての側面を捉えられない場合があり、すべての状況で完璧ではないことに注意してください。また、モデルは学習データに含まれるバイアスを反映する可能性があります。したがって、モデルを使用する際には慎重になり、その制限事項を考慮することをお勧めします。

🔧 技術詳細

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは以下の通りです。

• learning_rate: 2e - 05
• train_batch_size: 64
• eval_batch_size: 64
• seed: 42
• optimizer: Adam (betas=(0.9, 0.999), epsilon = 1e - 08)
• lr_scheduler_type: linear
• num_epochs: 2

学習結果

フレームワークバージョン

• Transformers 4.38.2
• Pytorch 2.2.1+cpu
• Datasets 2.18.0
• Tokenizers 0.15.2

📄 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。

引用

Author: Thiago D. Faria Bluhm. (2024). Adaptado de: [XLM - ROBERTA](https://huggingface.co/FacebookAI/xlm - roberta - base).

貢献に感謝

コラボレーター: Wesley Dos Anjos, Pedro Lustosa, Amanda Rangel, Audrey Marx, Gabriel Leal e Tiago Vettorazi.