library_name: transformers language:

• pt metrics:
• accuracy base_model:
• distilbert/distilbert-base-uncased pipeline_tag: text-classification

SYAS1情感分析模型

SYAS1-PTBR是基于Distilbert架构的Transformer模型，专注于巴西葡萄牙语的情感分析。

除了学术研究目的外，该模型主要致力于服务巴西社区，因为目前葡萄牙语的大型语言模型资源极为匮乏。

模型说明

SYAS1-PTBR以Distilbert-base为基础模型，通过Kaggle"Portuguese Tweets for Sentiment Analysis"数据集进行微调训练。整个训练过程完全在Google Colab Pro平台上完成，使用NVIDIA L4 GPU进行加速。

技术细节

• 开发者: Arhat
• 模型类型: 文本分类
• 许可协议: Apache 2.0
• 基础模型: distilbert-base-uncased
• 语言: 巴西葡萄牙语

使用指南

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")

# 待分类文本示例
texto = "这个产品太棒了！强烈推荐。"

# 文本预处理
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"预测类别: {predicao}")

# 输出示例: 预测类别: 2

# 如需获取各分类概率分布:
probs = F.softmax(logits, dim=1)  # 使用softmax函数将logits转换为概率值

labels = ["负面", "中性", "正面"]

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

# 输出示例:
#负面: 0.2401905506849289
#中性: 0.028042761608958244
#正面: 0.7317667007446289

# 如需更简便调用，可使用Hugging Face的pipeline接口

功能定位

SYAS1专为葡萄牙语情感分析任务开发。

虽然基于DistilBERT微调的模型理论上支持英语分析，但强烈建议仅用于葡萄牙语文本处理。

如需其他语言的情感分析，推荐使用其他专用模型。

性能指标