Gk Hinglish Sentiment

🚀 印地英混合語情感分類模型：gk-hinglish-sentiment

本項目的gk-hinglish-sentiment模型致力於解決印地英混合語（Hinglish）文本的情感分類問題，為處理印度地區廣泛使用的這種特殊語言形式提供了有效的工具。

🚀 快速開始

模型描述

該模型基於少量的評論數據集進行訓練。

預期用途與侷限性

由於印地英混合語在印度被廣泛使用，因此本模型旨在能夠很好地處理這類數據。不過，訓練數據量未達預期。

使用方法

# 示例代碼
from transformers import BertTokenizer, BertForSequenceClassification
tokenizerg = BertTokenizer.from_pretrained("/content/model")
modelg = BertForSequenceClassification.from_pretrained("/content/model")

text = "kuch bhi type karo hinglish mai"
encoded_input = tokenizerg(text, return_tensors='pt')
output = modelg(**encoded_input)
print(output)
# 輸出包含3個標籤：LABEL_0 = 負面 ,LABEL_1 = 中性 ,LABEL_2 = 正面

侷限性和偏差

訓練數據僅包含印地英混合語的代碼混合文本，且數據量非常有限。如果能獲取到大量數據，可能會對該模型進行更新。

訓練數據

訓練數據包含3個標籤的標註數據。

預訓練模型卡片的鏈接及預訓練數據的描述如下，本模型是在以下模型基礎上進行微調的： https://huggingface.co/rohanrajpal/bert-base-multilingual-codemixed-cased-sentiment

引用信息

@inproceedings{khanuja-etal-2020-gluecos,
    title = "{GLUEC}o{S}: An Evaluation Benchmark for Code-Switched {NLP}",
    author = "Khanuja, Simran  and
      Dandapat, Sandipan  and
      Srinivasan, Anirudh  and
      Sitaram, Sunayana  and
      Choudhury, Monojit",
    booktitle = "Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics",
    month = jul,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2020.acl-main.329",
    pages = "3575--3585"
}

模型信息表格