Views
No views yet
cardiffnlp/twitter-xlm-roberta-base-sentiment voltada para a análise de sentimentos em textos longos de NPS (Net Promoter Score), com foco em avaliações técnicas, institucionais e operacionais típicas de ambientes corporativos.cardiffnlp/twitter-xlm-roberta-base-sentimenttext-classification com 3 classes:
NegativeNeutralPositivepip install transformers torch1from transformers import AutoTokenizer, AutoModelForSequenceClassification
2import torch.nn.functional as F
3import torch
4
5# Nome do modelo no Hugging Face Hub
6modelo = "ViniciusKhan/bert-nps-feedback-analyzer"
7
8# Carregar modelo e tokenizer
9tokenizer = AutoTokenizer.from_pretrained(modelo)
10model = AutoModelForSequenceClassification.from_pretrained(modelo)
11
12# Texto de NPS para avaliação
13texto = """
14Conversei com Alexandre em 20/06 e ele relatou insatisfação com os relatórios, pois vieram misturados.
15O chamado foi resolvido e desde então me procura sempre que precisa. Está satisfeito com os serviços atuais.
16"""
17
18# Tokenizar e inferir
19inputs = tokenizer(texto, return_tensors="pt", truncation=True)
20with torch.no_grad():
21 outputs = model(**inputs)
22 probs = F.softmax(outputs.logits, dim=1)
23
24# Rótulos
25classes = ['Negative', 'Neutral', 'Positive']
26classe_predita = classes[probs.argmax().item()]
27
28print("Sentimento:", classe_predita)| Arquivo | Descrição |
|---|---|
pytorch_model.bin | Pesos do modelo |
config.json | Configuração do modelo |
tokenizer.json | Vocabulário do tokenizer |
README.md | Descrição técnica do modelo |