FalexOne/robertuito-emociones-tiktok

RoBERTuito — Clasificador de Emociones en Comentarios de TikTok 🎭

Modelo de clasificación de emociones en comentarios de TikTok en español, fine-tuneado sobre RoBERTuito con técnicas avanzadas de entrenamiento.

Emociones Detectadas (6 clases)

ID	Emoción	Descripción
0	Alegría	Felicidad, humor, satisfacción
1	Confianza	Admiración, aceptación, apoyo
2	Miedo	Preocupación, ansiedad, temor
3	Expectación	Sorpresa + Anticipación (fusionadas)
4	Tristeza	Decepción, melancolía, pena
5	Rechazo	Disgusto + Ira (fusionadas), crítica, aversión

Las 6 clases resultan de fusionar 8 emociones originales de la Rueda de Plutchik. Se fusionaron Sorpresa+Anticipación → Expectación y Disgusto+Ira → Rechazo porque son difíciles de distinguir en texto informal corto.

Uso Rápido

from transformers import pipeline

classifier = pipeline(
    "text-classification",
    model="FalexOne/robertuito-emociones-tiktok",
    top_k=None  # Devuelve todas las probabilidades
)

result = classifier("Que bonito video, me encantó! 😍")
print(result)
# [[{'label': 'Alegría', 'score': 0.85}, {'label': 'Confianza', 'score': 0.08}, ...]]

Uso con AutoModel

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer = AutoTokenizer.from_pretrained("FalexOne/robertuito-emociones-tiktok")
model = AutoModelForSequenceClassification.from_pretrained("FalexOne/robertuito-emociones-tiktok")

text = "Esto da mucho coraje, no es justo 😤"
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=128)

with torch.no_grad():
    outputs = model(**inputs)
    probs = torch.softmax(outputs.logits, dim=-1)

labels = model.config.id2label
for idx, prob in enumerate(probs[0]):
    print(f"  {labels[idx]}: {prob:.4f}")

Métricas de Evaluación

Métrica	Valor
Macro F1	0.6275
Accuracy	0.6778
Weighted F1	0.6769
Macro Precision	0.6205
Macro Recall	0.6397

Reporte por Clase

              precision    recall  f1-score   support

     Alegría     0.4828    0.5600    0.5185        50
   Confianza     0.6864    0.6378    0.6612       127
       Miedo     0.4500    0.4737    0.4615        19
 Expectación     0.7083    0.5903    0.6439       144
    Tristeza     0.6471    0.7719    0.7040        57
     Rechazo     0.7487    0.8046    0.7756       174

    accuracy                         0.6778       571

Detalles del Entrenamiento

Datos

• ~2,950 comentarios etiquetados manualmente por humanos
• ~1,148 pseudo-labels de alta confianza (self-training)
• 15 temas de videos de TikTok (deportes, política, entretenimiento, social, etc.)
• Split: 70% train / 15% val / 15% test

Técnicas de Entrenamiento

Técnica	Valor	Propósito
Focal Loss	γ = 2.0	Enfoca aprendizaje en ejemplos difíciles
Label Smoothing	ε = 0.1	Previene sobreconfianza
Class Weights	Inverso de frecuencia	Compensa desbalance entre clases
Cosine LR Schedule	Warmup 10%	Convergencia suave
Early Stopping	Patience = 4	Previene sobreajuste
Learning Rate	2e-5	—
Batch Size	16 (×2 grad accum)	Effective batch = 32
Max Length	128 tokens	—

Modelo Base

RoBERTuito — Un modelo RoBERTa pre-entrenado con ~500M tweets en español. Ideal para texto informal de redes sociales ya que entiende jerga, emojis y abreviaciones.

Limitaciones

• Optimizado para TikTok: El modelo fue entrenado con comentarios de TikTok en español mexicano. Puede funcionar con otros textos informales pero el rendimiento será inferior.
• Texto corto: Mejor rendimiento con textos de 5-50 palabras (longitud típica de comentarios).
• Miedo es la clase más difícil (F1=0.46): Pocos ejemplos de entrenamiento y ambigüedad con Expectación.
• No detecta sarcasmo: Comentarios sarcásticos pueden ser clasificados incorrectamente.
• Sin clase Neutral: El modelo siempre asigna una emoción. Usar max_prob < 0.40 como heurística para "sin emoción clara".

Cita

Si usas este modelo, por favor cita:

@misc{robertuito-emociones-tiktok,
  author = {Alex GS},
  title = {RoBERTuito Emociones TikTok: Clasificador de emociones en comentarios de TikTok en español},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/FalexOne/robertuito-emociones-tiktok}
}