Modelo de An谩lisis de Sentimiento para Rese帽as de Steam (BETO)
Este modelo es una versi贸n ajustada (fine-tuned) del modelo BETO (BERT en espa帽ol).
Ha sido entrenado para clasificar rese帽as de videojuegos de la plataforma Steam en dos categor铆as:
- LABEL_1: Recomendado (Positivo)
- LABEL_0: No Recomendado (Negativo)
Descripci贸n del Proyecto
El objetivo era adaptar un modelo de lenguaje generalista (BETO) al lenguaje espec铆fico y coloquial de los "gamers" en espa帽ol. El modelo ha sido entrenado con un dataset de aproximadamente 1.000 rese帽as reales del juego Counter Strike 2. Por ello, es posible que a la hora de ser probado en juegos de distinto g茅nero, no funcione del todo bien.
M茅tricas de Evaluaci贸n (Set de Validaci贸n)
El modelo alcanz贸 los siguientes resultados durante el entrenamiento:
- F1-Score: 0.849
- Accuracy: 0.857
- Loss: 0.35
C贸mo usarlo (Inferencia)
Puedes usar este modelo directamente con la librer铆a transformers, adem谩s de tener instalado torch. Tambi茅n se recomienda, aunque no es necesario, instalar accelerate y numpy:
from transformers import pipeline
# Cargar el pipeline
clasificador = pipeline("text-classification", model="kanowest/beto-steam-reviews")
# Probar con una frase
texto = "El juego tiene buenos gr谩ficos pero la historia es aburrida."
resultado = clasificador(texto)
print(resultado)
# Salida esperada: [{'label': 'LABEL_0', 'score': 0.99...}]
Comentarios adicionales
Hice una prueba con un dataset del Team Fortress 2 y no sali贸 todo lo bien que me esperaba. Falla bastante a la hora de reconocer rese帽as negativas (m谩s de lo que me imaginaba que fallar铆a). Es mi primer modelo y, por tanto, no ha salido demasiado bien. Mi plan es crear uno que funcione mejor en el futuro.
- Downloads last month
- 31
Model tree for kanowest/beto-steam-reviews
Base model
dccuchile/bert-base-spanish-wwm-cased