Análisis de sentimiento en español (XLM-RoBERTa-large)
Clasificación de sentimiento en español en 3 clases (negativo, neutral, positivo) mediante fine-tuning de XLM-RoBERTa-large.
Autor: Jhusef Alfonso López Parra
Descripción
Modelo basado en Transformers, afinado (fine-tuning) para clasificación de texto en español. Está listo para inferencia directa con la librería transformers de Hugging Face. Forma parte de un trabajo de PLN sobre clasificación de texto y reconocimiento de entidades nombradas (NER) en español.
Uso
from transformers import pipeline
pipe = pipeline("text-classification", model="jhusef-lopez/sentimiento-xlmr-es")
print(pipe("Escribe aquí tu texto en español."))
Etiquetas
| id | etiqueta |
|---|---|
| 0 | NEG |
| 1 | NEU |
| 2 | POS |
Métricas de evaluación
| Métrica | Valor |
|---|---|
| F1-macro (validación) | 0.729 |
| Batch size | 16 |
| Épocas (Early Stopping) | 8 |
Mejor configuración del grid de batch size (8/16/32) según F1-macro de validación.
Entrenamiento
- Modelo base:
FacebookAI/xlm-roberta-large - Dataset:
cardiffnlp/tweet_sentiment_multilingual - Framework: PyTorch + 🤗 Transformers (
Trainer,EarlyStoppingCallback) - Idioma: español (es)
Limitaciones y uso responsable
El modelo puede reflejar sesgos presentes en los datos de entrenamiento. No debe emplearse como única fuente para decisiones críticas sin revisión humana experta.
Cita
Si utilizas este modelo, por favor atribúyelo a Jhusef Alfonso López Parra.