Classificação de texto

Trabalhando com Hugging Face

Jacob H. Marquez

Lead Data Engineer

Classificação de texto: Análise de sentimento

Rotula o texto pelo tom emocional

Análise de sentimento

Aplicações: analisar reviews, acompanhar sentimento em redes sociais

Ícone de sentimento

Análise de sentimento: exemplo 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}]

Classificação de texto: Correção gramatical

Verificação gramatical

Avalia a gramática do texto

Exemplo de correção gramatical

Aplicações: corretores gramaticais, ferramentas de aprendizado de idiomas

Correção gramatical: exemplo 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}]

Classificação de texto: QNLI

$$ Perguntas e Respostas

Verifica se uma premissa responde a uma pergunta
Aplicações: sistemas de P&R, verificação de fatos

Exemplo de QNLI

QNLI: exemplo 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}]

Classificação de texto: Atribuição dinâmica de categorias

Atribui categorias dinamicamente com base no conteúdo

Exemplo de atribuição de categoria

Aplicações: moderação de conteúdo, sistemas de recomendação

Atribuição de categorias

Atribuição dinâmica de categorias: exemplo 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

Desafios da classificação de texto

Ambiguidade

Desafios da classificação de texto

Sarcasmo

Desafios da classificação de texto

Multilíngue

Vamos praticar!

Trabalhando com Hugging Face