metadata
tags:
- text-classification
- sentiment-analysis
- imdb
- distilbert
📢 DistilBERT Fine-Tuned para Análise de Sentimentos 🎭
Este modelo é uma versão DistilBERT fine-tuned para análise de sentimentos em textos de avaliações de filmes. Ele classifica textos como positivos ou negativos com alta precisão.
📖 Dataset
O modelo foi treinado no dataset IMDb, contendo 50.000 avaliações de filmes balanceadas entre rótulos positivos e negativos.
📊 Avaliação
A performance do modelo foi avaliada em um conjunto de teste com 25.000 avaliações, obtendo os seguintes resultados:
| Métrica | Valor |
|---|---|
| Acurácia | 93.2% |
| Precisão | 93% |
| Recall | 93% |
| F1-score | 93% |
Essas métricas indicam que o modelo consegue prever corretamente avaliações de filmes na maioria dos casos.
🚀 Como Usar
Para utilizar o modelo, basta carregar com transformers e usar o pipeline de classificação de texto:
from transformers import pipeline
model_name = "gabrielnkl/fine-tuned-bert"
classifier = pipeline("text-classification", model=model_name)
text = "Esse filme foi incrível! Gostei muito das atuações e do enredo."
result = classifier(text)
print(result)
# [{'label': 'POSITIVE', 'score': 0.98}]
## 📊 Matriz de Confusão
A matriz de confusão abaixo mostra o desempenho do modelo nas previsões:
