|
--- |
|
language: fa |
|
tags: |
|
- sentiment-analysis |
|
- persian |
|
- text-classification |
|
license: apache-2.0 |
|
library_name: transformers |
|
--- |
|
|
|
# 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: |
|
|
|
```python |
|
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}") |
