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。

除学术研究外，该模型的主要目的是为巴西社区贡献力量，因为目前葡萄牙语的大型语言模型资源极为匮乏。

模型描述

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。所有训练均在Google Colab Pro平台上完成，使用NVIDIA L4 GPU进行加速。

模型参数

• 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 = "Esse produto é incrível! Recomendo muito."

# 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()

# 获取各分类概率
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

# 如需快速使用，可调用Hugging face的pipeline接口

功能说明

SYAS1是专为葡萄牙语情感分析开发的模型。

虽然基于DistilBERT的微调使其具备英语处理能力，但强烈建议仅用于葡萄牙语场景。

如需其他语言的情感分析功能，建议选用其他专用模型。

性能指标