Clasificador de emociones con DistilBERT
Descripción del modelo
Este modelo realiza clasificación de emociones en texto utilizando un modelo Transformer.
El modelo base utilizado es distilbert-base-uncased, una versión ligera de BERT. Sobre este modelo se ha realizado fine-tuning para adaptarlo a una tarea de clasificación multiclase de emociones.
El objetivo del modelo es recibir una frase en inglés y predecir la emoción principal que expresa.
Emociones clasificadas
El modelo puede clasificar los textos en las siguientes categorías:
- sadness
- joy
- love
- anger
- fear
- surprise
Dataset utilizado
El modelo ha sido entrenado con el dataset dair-ai/emotion, disponible en Hugging Face Datasets.
Este dataset contiene frases en inglés etiquetadas con la emoción que representan. Está dividido en conjuntos de entrenamiento, validación y test.
Métricas obtenidas
El modelo se ha evaluado utilizando el conjunto de test.
Resultados obtenidos:
- Accuracy: 0.9165
- F1-score: 0.9165660586120851
Estas métricas permiten medir el rendimiento del modelo en textos que no se han utilizado durante el entrenamiento.
Uso del modelo
from transformers import pipeline
clasificador = pipeline("text-classification", model="Emisgalix/emotion-distilbert-finetuned")
resultado = clasificador("I am very happy today!")
print(resultado)
Limitaciones
Este modelo presenta algunas limitaciones:
- Está entrenado principalmente para textos en inglés.
- Puede fallar con frases en otros idiomas.
- Puede cometer errores con textos irónicos, sarcásticos o ambiguos.
- Solo clasifica una emoción principal por texto.
- El rendimiento puede mejorar si se entrena durante más épocas o con una configuración más avanzada.
- Las predicciones dependen de las clases disponibles en el dataset original.
Aplicación
Este modelo puede utilizarse como base para aplicaciones de análisis emocional de texto, asistentes conversacionales, análisis de opiniones o sistemas de clasificación automática de mensajes.
- Downloads last month
- 23