Este modelo ha sido desarrollado en el marco de la Tesina para obtener el título de Licenciatura en Estadística en la Universidad Nacional de Rosario (UNR).

Autores:

Alumna: Natalia Marín
Director: Mag. Marcos Miguel Prunello

Descripción

Este modelo está diseñado para clasificar comentarios de diversas redes sociales obtenidos luego del primer debate presidencial en Argentina en el año 2023. Ha sido específicamente ajustado para analizar los comentarios sobre la candidata Patricia Bullrich.

Para más información, consulte el siguiente enlace: link

Detalles del Modelo

Modelo base preentrenado: cardiffnlp/twitter-xlm-roberta-base-sentiment
Ajuste específico: El modelo ha sido fine-tuneado para clasificar comentarios sobre la candidata en el contexto de las elecciones presidenciales en Argentina.

Métricas Generales

Métrica	Valor
Accuracy	0.7580
F1 Score	0.7386
Precision	0.7344
Recall	0.7580

Cargar y Usar el Modelo en Python

A continuación, se muestra un ejemplo de cómo cargar el modelo y su tokenizador, y realizar una predicción de sentimiento en un comentario:

python

from transformers import XLMRobertaForSequenceClassification, XLMRobertaTokenizer
import torch

# Cargar el modelo y el tokenizador
model_path = "natmarinn/sentimientos-bullrich"
model = XLMRobertaForSequenceClassification.from_pretrained(model_path)
tokenizer = XLMRobertaTokenizer.from_pretrained(model_path)

# Texto de ejemplo
texto = "Vamos pato"

# Tokenización
inputs = tokenizer(texto, return_tensors="pt", truncation=True)

# Predicción
with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits
    pred_class = torch.argmax(logits, dim=1).item()

# Mostrar resultado
clases = ["Clase 0", "Clase 1", "Clase 2"]
print(f"El comentario es clasificado como: {clases[pred_class]}")

@misc {natalia_marín_2024, author = { {Natalia Marín, Marcos Miguel Prunello} }, title = { sentimientos-bullrich (Revision c4419dc) }, year = 2024, url = { https://huggingface.co/natmarinn/sentimientos-bullrich }, doi = { 10.57967/hf/3615 }, publisher = { Hugging Face } }