Beto Sentiment Analysis Es

🚀 beto_sentiment_analysis_es模型

這是一個針對西班牙語情感分析進行微調的模型，使用Amazon SageMaker和全新的Hugging Face深度學習容器進行訓練，能有效處理西班牙語語料的情感分析任務，尤其在電影評論領域表現出色。

🚀 快速開始

本模型基於BETO模型微調而來，BETO是在西班牙語語料上預訓練的BERT基礎模型，採用全詞掩碼技術訓練，規模與BERT-Base相近。

✨ 主要特性

• 多指標表現優異：在IMDb西班牙語影評數據集上，準確率、F1分數、精確率和召回率等指標均表現出色。
• 適用範圍廣泛：專為西班牙語語料的情感分析設計，尤其針對電影評論進行了微調，也可應用於其他類型的評論。

📚 詳細文檔

模型引用

BETO引用

Spanish Pre-Trained BERT Model and Evaluation Data

@inproceedings{CaneteCFP2020,
  title={Spanish Pre-Trained BERT Model and Evaluation Data},
  author={Cañete, José and Chaperon, Gabriel and Fuentes, Rodrigo and Ho, Jou-Hui and Kang, Hojin and Pérez, Jorge},
  booktitle={PML4DC at ICLR 2020},
  year={2020}
}

數據集

該數據集包含約50,000條西班牙語電影評論，數據平衡，每條評論都提供了英語和西班牙語版本以及對應的標籤。

數據集規模：

• 訓練集：42,500條
• 驗證集：3,750條
• 測試集：3,750條

預期用途與限制

本模型旨在對西班牙語語料進行情感分析，尤其針對電影評論進行了微調，但也可應用於其他類型的評論。

超參數

{
    "epochs": "4",
    "train_batch_size": "32",    
    "eval_batch_size": "8",
    "fp16": "true",
    "learning_rate": "3e-05",
    "model_name": "\"dccuchile/bert-base-spanish-wwm-uncased\"",
    "sagemaker_container_log_level": "20",
    "sagemaker_program": "\"train.py\""
}

評估結果

• 準確率 = 0.9101333333333333
• F1分數 = 0.9088450094671354
• 精確率 = 0.9105691056910569
• 召回率 = 0.9071274298056156

測試結果

暫未提供詳細測試結果。

💻 使用示例

基礎用法

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("edumunozsala/beto_sentiment_analysis_es")
model = AutoModelForSequenceClassification.from_pretrained("edumunozsala/beto_sentiment_analysis_es")

text ="Se trata de una película interesante, con un solido argumento y un gran interpretación de su actor principal"

input_ids = torch.tensor(tokenizer.encode(text)).unsqueeze(0)
outputs = model(input_ids)
output = outputs.logits.argmax(1)

📄 許可證

本模型採用Apache-2.0許可證。

創建者：Eduardo Muñoz/@edumunozsala