مدل تحلیل احساسات فارسی

این مدل برای تشخیص احساسات متون فارسی آموزش داده شده است. این مدل می‌تواند احساسات را به سه دسته مثبت، منفی و خنثی طبقه‌بندی کند.

جزئیات مدل

توسعه‌دهنده: aiframe.org
نوع مدل: AutoModelForSequenceClassification از کتابخانه transformers
توکن‌ساز: AutoTokenizer از کتابخانه transformers
داده‌های آموزشی: مجموعه داده‌های احساسی فارسی
معیار ارزیابی: دقت (Accuracy)
دقت آموزشی: 88.5%
سایر جزئیات: تعداد شبکه‌های مصنوعی نیز دچار تغییرات و افزایش شده است.

نحوه استفاده

برای استفاده از مدل، ابتدا باید کتابخانه‌های transformers نصب شده باشند. سپس می‌توانید مدل و توکن‌ساز را با استفاده از کدهای زیر بارگیری کنید:

from transformers import AutoTokenizer, AutoModelForSequenceClassification
model = "frameai/PersianSentiment"
loaded_tokenizer = AutoTokenizer.from_pretrained(model)
loaded_model = AutoModelForSequenceClassification.from_pretrained(model)

def predict_sentiment(text):
    inputs = loaded_tokenizer(text, return_tensors="pt")
    outputs = loaded_model(**inputs)
    predictions = outputs.logits.argmax().item()

    if predictions == 0:
        sentiment = "negative"
    elif predictions == 1:
        sentiment = "positive"
    else:
        sentiment = "neutral"

    return sentiment

while True:
    text_to_predict = input("Enter text for sentiment analysis: ")
    predicted_sentiment = predict_sentiment(text_to_predict)
    print(f"Input text: {text_to_predict}")
    print(f"Predicted sentiment: {predicted_sentiment}")