/ Модель

Характеристики

Контекст
130 токенов
Параметры
162 млн
Архитектура
roberta · dense
Библиотека
pysentimiento
Опубликована
27 фев 2023

bertweet-pt-sentiment

Классификация текстаТекст → label4 профессии

Модель классифицирует португалоязычные тексты по положительной, отрицательной или нейтральной тональности.

21 542скачиваний за 30 дней18лайковвеса обновлены29 мар 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель pysentimiento/bertweet-pt-sentiment предназначена для определения тональности текстов на португальском языке. Это модель классификации последовательностей на архитектуре RoBERTa, дообученная на базе BERTabaporu — модели, обученной на португалоязычных твитах. Она относит текст к одной из трёх категорий: положительной (POS), отрицательной (NEG) или нейтральной (NEU).

Модель подходит для анализа тональности публикаций в социальных сетях и других коротких текстов на португальском. Она содержит 162,4 млн параметров, принимает текст с контекстом до 130 токенов и распространяется в форматах PyTorch и Safetensors. Для использования карточка рекомендует библиотеку pysentimiento. Сведения о лицензии в предоставленных материалах отсутствуют.

Сценарии применения

  • определение тональности португалоязычных твитов
  • анализ отзывов на португальском языке
  • мониторинг положительных и отрицательных упоминаний в соцсетях

Ограничения

Контекст ограничен 130 токенами, а набор меток включает только положительную, отрицательную и нейтральную тональность. Модель обучена для португальского языка и не предназначена для надёжного анализа других языков.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Sentiment Analysis in Portuguese

Repository: https://github.com/pysentimiento/pysentimiento/

Model trained for polarity detection in Portuguese. Base model is BERTabaporu, a RoBERTa model trained in Portuguese tweets.

Uses POS, NEG, NEU labels.

Usage

Use it directly with pysentimiento

from pysentimiento import create_analyzer
analyzer = create_analyzer(task="sentiment", lang="pt")

analyzer.predict("isto é bonito")
# returns AnalyzerOutput(output=POS, probas={POS: 0.998, NEG: 0.002, NEU: 0.000})

Citation

If you use this model in your research, please cite pysentimiento and RoBERTuito papers:

@misc{perez2021pysentimiento,
      title={pysentimiento: A Python Toolkit for Sentiment Analysis and SocialNLP tasks},
      author={Juan Manuel Pérez and Juan Carlos Giudici and Franco Luque},
      year={2021},
      eprint={2106.09462},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}
@misc {pablo_botton_da_costa_2022,
author = { {pablo botton da costa} },
title = { bertabaporu-base-uncased (Revision 1982d0f) },
year = 2022,
url = { https://huggingface.co/pablocosta/bertabaporu-base-uncased },
doi = { 10.57967/hf/0019 },
publisher = { Hugging Face }
}
@InProceedings{BRUM18.389,
  author = {Henrico Brum and Maria das Gra\c{c}as Volpe Nunes},
  title = "{Building a Sentiment Corpus of Tweets in Brazilian Portuguese}",
  booktitle = {Proceedings of the Eleventh International Conference on Language Resources and Evaluation (LREC 2018)},
  year = {2018},
  month = {May 7-12, 2018},
  address = {Miyazaki, Japan},
  editor = {Nicoletta Calzolari (Conference chair) and Khalid Choukri and Christopher Cieri and Thierry Declerck and Sara Goggi and Koiti Hasida and Hitoshi Isahara and Bente Maegaard and Joseph Mariani and HÚlŔne Mazo and Asuncion Moreno and Jan Odijk and Stelios Piperidis and Takenobu Tokunaga},
  publisher = {European Language Resources Association (ELRA)},
  isbn = {979-10-95546-00-9},
  language = {english}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pysentimiento · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForSequenceClassification
Ревизия весов
7266128

0 моделей