Clasificación de texto

Trabajar con Hugging Face

Jacob H. Marquez

Lead Data Engineer

Clasificación de texto: análisis de sentimiento

Etiqueta texto según su tono emocional

Análisis de sentimiento

Aplicaciones: analizar reseñas, seguir el sentimiento en redes sociales

Icono de sentimiento

Análisis de sentimiento: ejemplo de código

from transformers import pipeline


my_pipeline = pipeline(
    "text-classification",
    model="distilbert-base-uncased-finetuned-sst-2-english"
)

print(my_pipeline("Wi-Fi is slower than a snail today!"))

[{'label': 'NEGATIVE', 'score': 0.99}]

Clasificación de texto: corrección gramatical

Revisión gramatical

Evalúa la corrección gramatical del texto

Ejemplo de corrección gramatical

Aplicaciones: correctores gramaticales, herramientas de aprendizaje de idiomas

Corrección gramatical: ejemplo de código

from transformers import pipeline


# Create a pipeline for grammar checking
grammar_checker = pipeline(
    task="text-classification",
    model="abdulmatinomotoso/English_Grammar_Checker"
)

# Check grammar of the input text
print(grammar_checker("He eat pizza every day."))

[{'label': 'LABEL_0', 'score': 0.99}]

Clasificación de texto: QNLI

$$ Preguntas y respuestas

Comprueba si una premisa responde a una pregunta
Aplicaciones: sistemas de Q&A, verificación de hechos

Ejemplo de QNLI

QNLI: ejemplo de código

from transformers import pipeline


classifier = pipeline(
    task="text-classification",
    model="cross-encoder/qnli-electra-base"
)


classifier("Where is Seattle located?, Seattle is located in Washington state.")

[{'label': 'LABEL_0', 'score': 0.997}]

Clasificación de texto: asignación dinámica de categorías

Asigna categorías dinámicamente según el contenido

Ejemplo de asignación de categorías

Aplicaciones: moderación de contenido, sistemas de recomendación

Asignación de categorías

Asignación dinámica de categorías: ejemplo de código

classifier = pipeline(
  task="zero-shot-classification", 
  model="facebook/bart-large-mnli")


text = "Hey, DataCamp; we would like to feature your courses in our newsletter!"
categories = ["marketing", "sales", "support"]


output = classifier(text, categories)


print(f"Top Label: {output['labels'][0]} with score: {output['scores'][0]}")

Top Label: support with score: 0.8183

Retos de la clasificación de texto

Ambigüedad

Retos de la clasificación de texto

Ironía

Retos de la clasificación de texto

Multilingüe

¡Vamos a practicar!

Trabajar con Hugging Face