语言: 西班牙语
标签:

• sagemaker
• beto
• 文本分类
• 情感分析
  许可证: apache-2.0
  数据集:
• IMDbreviews_es
  评估指标:
• 准确率

模型索引:

• 名称: beto_sentiment_analysis_es
  结果:
  • 任务:
    名称: 情感分析
    类型: sentiment-analysis
    数据集:
    名称: "西班牙语IMDb影评"
    类型: IMDbreviews_es
    指标:
    • 名称: 准确率
      类型: accuracy
      值: 0.9101333333333333
    • 名称: F1分数
      类型: f1
      值: 0.9088450094671354
    • 名称: 精确率
      类型: precision
      值: 0.9105691056910569
    • 名称: 召回率
      类型: recall
      值: 0.9071274298056156

示例输入:

• 文本: "这是一部有趣的电影，剧情扎实，主演演技出色"

模型 beto_sentiment_analysis_es

专为西班牙语情感分析优化的微调模型

本模型使用亚马逊SageMaker和Hugging Face新版深度学习容器训练，基础模型为BETO——一个基于西班牙语语料预训练的BERT-base模型。BETO规模与BERT-Base相当，采用全词掩码技术训练。

BETO引用文献
西班牙语预训练BERT模型及评估数据

@inproceedings{CaneteCFP2020,
  标题={西班牙语预训练BERT模型及评估数据},
  作者={卡涅特, 何塞 等},
  会议={ICLR 2020的PML4DC研讨会},
  年份={2020}
}

数据集

数据集包含约5万条西班牙语影评，每条评论均提供英语/西班牙语双语版本及对应情感标签。

数据集规模:

• 训练集: 42,500条
• 验证集: 3,750条
• 测试集: 3,750条

使用场景与限制

本模型专为西班牙语文档情感分析设计，虽针对影评优化，但可扩展至其他类型评论。

超参数

{
"训练轮次": "4",
"训练批次大小": "32",    
"评估批次大小": "8",
"混合精度训练": "启用",
"学习率": "3e-05",
"基础模型": "dccuchile/bert-base-spanish-wwm-uncased",
"日志级别": "20",
"训练程序": "train.py"
}

评估结果

• 准确率 = 91.01%
• F1分数 = 90.88%
• 精确率 = 91.06%
• 召回率 = 90.71%

实战应用

情感分析使用示例

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 = "这是一部有趣的电影，剧情扎实，主演演技出色"
input_ids = torch.tensor(tokenizer.encode(text)).unsqueeze(0)
outputs = model(input_ids)
prediction = outputs.logits.argmax(1)

由Eduardo Muñoz/@edumunozsala创建