library_name: transformers

pinheiro-roberta-goemotions

Este é um modelo baseado em Roberta, fine-tuned utilzizando PyyTorch para classificação multi-label de emoções em textos usando o dataset GoEmotions. Ele classifica 28 categorias de emoção simultaneamente.

Descrição do Modelo

Modelo RobertaForSequenceClassification fine-tuned para classificação multi-label de 28 emoções:

['admiration', 'amusement', 'anger', 'annoyance', 'approval', 'caring', 'confusion', 'curiosity', 'desire', 'disappointment', 'disapproval', 'disgust', 'embarrassment', 'excitement', 'fear', 'gratitude', 'grief', 'joy', 'love', 'nervousness', 'optimism', 'pride', 'realization', 'relief', 'remorse', 'sadness', 'surprise', 'neutral']

• Desenvolvido por: Matheus Pinheiro
• Tipo de modelo: RobertaForSequenceClassification (multi-label)
• Idioma(s): Inglês
• Licença: MIT
• Base do modelo: roberta-base

Uso Direto

Classificação multi-label de emoções em textos em inglês. Retorna a probabilidade de cada emoção para o texto dado.

Viés, Riscos e Limitações

• Treinado no dataset GoEmotions (inglês) e pode não generalizar para outros idiomas ou contextos culturais.
• Algumas emoções podem ter probabilidades baixas mesmo quando presentes.
• As probabilidades multi-label são relativas, não valores absolutos de emoção.

Recomendações

• Validar o modelo em dados do seu próprio domínio.
• Interpretar as probabilidades como scores relativos, não como rótulos absolutos.

Como Usar o Modelo

from transformers import pipeline, AutoTokenizer, AutoModelForSequenceClassification

# Carregar tokenizer
tokenizer =  AutoTokenizer.from_pretrained("roberta-base")

# Map de id2label
id2label = {
    0: 'admiration', 1: 'amusement', 2: 'anger', 3: 'annoyance', 4: 'approval',
    5: 'caring', 6: 'confusion', 7: 'curiosity', 8: 'desire', 9: 'disappointment',
    10: 'disapproval', 11: 'disgust', 12: 'embarrassment', 13: 'excitement', 14: 'fear',
    15: 'gratitude', 16: 'grief', 17: 'joy', 18: 'love', 19: 'nervousness', 20: 'optimism',
    21: 'pride', 22: 'realization', 23: 'relief', 24: 'remorse', 25: 'sadness', 26: 'surprise', 27: 'neutral'
}

# Carregar modelo
modelo = AutoModelForSequenceClassification.from_pretrained("pinheiroxs/pinheiro-roberta-goemotions",id2label=id2label)

# Criar pipeline
classifier = pipeline("text-classification", model=modelo, tokenizer=tokenizer, top_k=None)

# Exemplo de uso
texto = "I am very happy today!"
resultado = classifier(texto)[0]

# Formatar resultados
resultado_ordenado = sorted(resultado, key=lambda x: x['score'], reverse=True)
for r in resultado_ordenado:
    print(f"{r['label']:15} : {r['score']*100:.2f}%")

Dados de Treinamento

• Dataset: GoEmotions
• Número de rótulos: 28 emoções em textos em inglês

Pré-processamento

• Tokenização padrão usando AutoTokenizer
• Binarização multi-label dos rótulos de emoção

Hiperparâmetros de Treinamento

• Regime de treino: 4 epochs
• Batch size: 16
• Otimizador: AdamW
• Learning rate: 2e-5
• Hidden size: 768
• Intermediate size: 3072
• Número de attention heads: 12
• Número de camadas ocultas: 12
• Dropout: 0.1