adriangg04 commited on
Commit
1cae8ff
·
verified ·
1 Parent(s): e86b0f1

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +22 -3
README.md CHANGED
@@ -20,15 +20,34 @@ This model is a fine-tuned version of [distilbert-base-uncased](https://huggingf
20
 
21
  ## Model description
22
 
23
- More information needed
 
24
 
25
  ## Intended uses & limitations
26
 
27
- More information needed
 
 
 
 
 
 
 
 
 
 
 
 
 
 
28
 
29
  ## Training and evaluation data
30
 
31
- More information needed
 
 
 
 
32
 
33
  ## Training procedure
34
 
 
20
 
21
  ## Model description
22
 
23
+ This model is designed to analyze movie reviews and automatically classify the sentiment expressed in the text. It determines whether the review is positive or negative and assigns a confidence score indicating the probability of the prediction.
24
+ The model processes the review's text content, identifies linguistic patterns, and evaluates the overall tone to generate its classification.
25
 
26
  ## Intended uses & limitations
27
 
28
+ Usos previstos:
29
+
30
+ - Clasificación automática de reseñas de películas en positivas o negativas.
31
+
32
+ - Análisis de sentimiento en plataformas de crítica cinematográfica.
33
+
34
+ - Soporte para sistemas de recomendación basados en opiniones de usuarios.
35
+
36
+ - Monitorización de percepción del público sobre películas.
37
+
38
+ Limitaciones:
39
+
40
+ - El modelo solo distingue entre sentimiento positivo y negativo; no identifica matices más complejos como neutralidad o ironía.
41
+
42
+ - Puede tener menor precisión en textos ambiguos, sarcásticos o con lenguaje figurado.
43
 
44
  ## Training and evaluation data
45
 
46
+ El modelo fue entrenado utilizando un conjunto de datos compuesto por reseñas de películas etiquetadas manualmente como positivas o negativas.
47
+ Los datos incluyen textos de distintas longitudes y estilos de redacción para mejorar la capacidad de generalización del modelo.
48
+
49
+ El conjunto de datos se dividió en entrenamiento, validación y prueba para evaluar el rendimiento y evitar sobreajuste.
50
+ Las métricas utilizadas para la evaluación incluyen precisión (accuracy), precisión por clase, recall y F1-score.
51
 
52
  ## Training procedure
53