rchicangana/robertuito-holel-reviews-sentiment-analysis

Clasificación de sentimiento en español (3 clases)

Modelo para clasificar texto en negativo, neutro y positivo (español).

Base y tarea

• Arquitectura: RobertaForSequenceClassification (12 capas, 768 dimensiones ocultas, 12 cabezas de atención), familia RoBERTa.
• Punto de partida: pysentimiento/robertuito-sentiment-analysis (Robertuito, orientado a español y variantes de Twitter).
• Tarea: clasificación multiclase de una etiqueta (single_label_classification).
• Salida: 3 logits; el orden de las clases coincide con id2label en config.json.

Etiquetas

ID	Etiqueta
0	negativo
1	neutro
2	positivo

La correspondencia también está en label_mapping.json y en config.json (id2label / label2id).

Artefactos del repositorio

Archivo	Descripción
model.safetensors	Pesos del modelo (encoder y cabezal de clasificación).
config.json	Hiperparámetros (model_type: roberta), vocabulario, mapeo de etiquetas.
tokenizer_config.json	Configuración del tokenizador (p. ej. longitud máxima 128, tokens especiales RoBERTa).
label_mapping.json	Mapeo explícito id ↔ etiqueta.
results.md	Informe de evaluación del split usado al exportar el modelo.

Tokenización

• Longitud máxima típica: 128 tokens (ver tokenizer_config.json).
• Textos más largos se truncan por la derecha (truncation_side: right).

Rendimiento reportado

Sobre 1462 muestras de evaluación (detalle en results.md):

• Accuracy: 0.89
• F1 (macro / ponderado): ~0.89
• F1 por clase: negativo ~0.87, neutro ~0.88, positivo ~0.91

Estas métricas corresponden a ese conjunto concreto; conviene reevaluar en datos de tu dominio.

Carga con transformers

Ejemplo estándar (ajusta la ruta o el identificador del modelo en el Hub según publiques el repositorio):

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained(".")  # o tu repo_id
tokenizer = AutoTokenizer.from_pretrained(".")

Si tu integración carga el archivo de pesos a mano y falla el emparejamiento de claves respecto a AutoModelForSequenceClassification, puede deberse a prefijos distintos en el checkpoint (p. ej. encoder.* frente a roberta.*) o a un cabezal MLP personalizado; en ese caso revisa el mapeo de nombres de capas o usa la misma definición de cabezal con la que se entrenó el modelo.

Referencias

• Robertuito sentiment