Bu model, İngilizce metinlerdeki duygu durumlarını yüksek doğrulukla sınıflandırmak için dair-ai/emotion veri seti (16.000 satır) kullanılarak uçtan uca eğitilmiştir. Proje kapsamında distilbert-base-uncased modeli ince ayar (fine-tuning) işleminden geçirilmiştir.

Modelin en büyük avantajı, ham sayısal çıktılar (LABEL_0, LABEL_1 vb.) üretmesi yerine, doğrudan insan odaklı Türkçe ve İngilizce karma duygu etiketleriyle sonuç vermesidir.

Model Detayları

Geliştirici: Sedat Özcan
Temel Model: distilbert-base-uncased (Hızlı ve verimli bir NLP mimarisi).
Veri Seti: dair-ai/emotion
Desteklenen Sınıflar (Etiketler): * 0: üzüntü (sadness)
- 1: mutluluk (joy)
- 2: sevgi (love)
- 3: öfke (anger)
- 4: korku (fear)
- 5: şaşkınlık (surprise)

Performans ve Eğitim Parametreleri

Öğrenme Hızı (Learning Rate): 2e-5
Yığın Boyutu (Batch Size): 16
Eğitim Turu (Epoch): 4
Ağırlık Azalması (Weight Decay): 0.01
En İyi Modeli Seçme: Eğitim sonunda en yüksek accuracy (doğruluk) değerine ulaşan en başarılı adım otomatik olarak kaydedilmiştir.

Canlı Test ve Kullanım Kodu

Bu modeli kendi bilgisayarınızda veya herhangi bir projede test etmek için transformers kütüphanesinin pipeline özelliğini kullanabilirsiniz:

python

from transformers import pipeline

# Modeli Hugging Face üzerinden çağırıyoruz
analizci = pipeline("text-classification", model="sedat29

sedat29/duygu-analizi-2

İngilizce Metinler İçin Gelişmiş Duygu Analizi Modeli (Kusursuz Sürüm)

Model Detayları

Performans ve Eğitim Parametreleri

Canlı Test ve Kullanım Kodu

sedat29/
duygu-analizi-2