SYAS1 PTBR

🚀 SYAS1

SYAS1-PTBR 是一个基于 Distilbert 的 Transformer 模型，专注于巴西葡萄牙语的情感分析。该模型除了用于研究外，主要目的是为巴西社区做出贡献，因为目前针对葡萄牙语的大语言模型（LLMs）非常匮乏。

🚀 快速开始

SYAS1-PTBR 是基于 Distilbert-base 的模型，通过微调使用 Kaggle 上的 “Portuguese Tweets for Sentiment Analysis” 数据集进行训练。其训练完全在 Google Colab Pro 上使用 NVIDIA L4 GPU 完成。

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")

# 待分类的文本
texto = "Esse produto é incrível! Recomendo muito."

# 处理文本
inputs = tokenizer(texto, return_tensors="pt")

# 模型预测
with torch.no_grad():
    outputs = model(**inputs)

logits = outputs.logits
predicao = torch.argmax(logits, dim=1).item()

#print(f"Classe prevista: {predicao}")
# 输出: Classe prevista: 2

# 若希望模型输出所有类别的概率
probs = F.softmax(logits, dim=1)  # 使用 softmax 函数将 logits 输出转换为概率

labels = ["Negativo", "Neutro", "Positivo"]

for idx, label in enumerate(labels):
    print(f'{label}: {probs[0][idx]}')

# 输出:
#Negativo: 0.2401905506849289
#Neutro: 0.028042761608958244
#Positivo: 0.7317667007446289

# 若希望更便捷地使用，可使用 Hugging face 的 pipeline

✨ 主要特性

SYAS1 专为葡萄牙语情感分析而创建。由于该模型是基于 DistilBERT 微调训练的，它也可以处理英语，但强烈建议仅用于葡萄牙语。如果需要对其他语言进行情感分析，建议使用其他可用的模型。

📦 安装指南

文档未提及安装步骤，故跳过此章节。

💻 使用示例

基础用法

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")

# 待分类的文本
texto = "Esse produto é incrível! Recomendo muito."

# 处理文本
inputs = tokenizer(texto, return_tensors="pt")

# 模型预测
with torch.no_grad():
    outputs = model(**inputs)

logits = outputs.logits
predicao = torch.argmax(logits, dim=1).item()

#print(f"Classe prevista: {predicao}")
# 输出: Classe prevista: 2

高级用法

# 若希望模型输出所有类别的概率
probs = F.softmax(logits, dim=1)  # 使用 softmax 函数将 logits 输出转换为概率

labels = ["Negativo", "Neutro", "Positivo"]

for idx, label in enumerate(labels):
    print(f'{label}: {probs[0][idx]}')

# 输出:
#Negativo: 0.2401905506849289
#Neutro: 0.028042761608958244
#Positivo: 0.7317667007446289

# 若希望更便捷地使用，可使用 Hugging face 的 pipeline

📚 详细文档

模型详情

结果

🔧 技术细节

SYAS1-PTBR 是基于 Distilbert-base 的模型，通过微调使用 Kaggle 上的 “Portuguese Tweets for Sentiment Analysis” 数据集进行训练。其训练完全在 Google Colab Pro 上使用 NVIDIA L4 GPU 完成。

📄 许可证

该模型使用的许可证为 Apache 2.0。