Spaces:
Running
Running
Update README.md
Browse files
README.md
CHANGED
|
@@ -1,5 +1,18 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
|
| 2 |
-
|
| 3 |
|
| 4 |
### **Objetivo**
|
| 5 |
Este proyecto tiene como objetivo entrenar un modelo de **Clasificaci贸n de Texto** utilizando **XLM-RoBERTa**, un modelo preentrenado de **transformers** multiling眉es, para clasificar noticias como falsas (`label = 0`) o verdaderas (`label = 1`). El modelo se entrena utilizando un conjunto de datos etiquetado de noticias y se eval煤a en un conjunto de validaci贸n para determinar su capacidad para predecir correctamente las clases de las noticias.
|
|
@@ -185,4 +198,4 @@ print("Resultados de evaluaci贸n:", results)
|
|
| 185 |
### **Conclusi贸n**
|
| 186 |
Este c贸digo utiliza t茅cnicas avanzadas como **fine-tuning** de un modelo preentrenado de **XLM-RoBERTa**, congelaci贸n de capas, **early stopping**, y c谩lculo de m茅tricas personalizadas para clasificar noticias como verdaderas o falsas. El modelo es afinado para este conjunto de datos espec铆fico, y su rendimiento se eval煤a con precisi贸n, recall, **F1 score** y **accuracy**.
|
| 187 |
|
| 188 |
-
Este enfoque proporciona una soluci贸n eficiente y efectiva para el problema de clasificaci贸n de texto en problemas de desinformaci贸n, utilizando modelos de lenguaje de 煤ltima generaci贸n.
|
|
|
|
| 1 |
+
---
|
| 2 |
+
title: Clasificador de Noticias Falsas con XLM-RoBERTa
|
| 3 |
+
sdk: static
|
| 4 |
+
emoji: 馃搳
|
| 5 |
+
colorFrom: green
|
| 6 |
+
colorTo: red
|
| 7 |
+
---
|
| 8 |
+
|
| 9 |
+
|
| 10 |
+
|
| 11 |
+
|
| 12 |
+
## **Documentaci贸n del Proyecto: Clasificador de Noticias Falsas con XLM-RoBERTa*
|
| 13 |
+
|
| 14 |
|
| 15 |
+
*
|
| 16 |
|
| 17 |
### **Objetivo**
|
| 18 |
Este proyecto tiene como objetivo entrenar un modelo de **Clasificaci贸n de Texto** utilizando **XLM-RoBERTa**, un modelo preentrenado de **transformers** multiling眉es, para clasificar noticias como falsas (`label = 0`) o verdaderas (`label = 1`). El modelo se entrena utilizando un conjunto de datos etiquetado de noticias y se eval煤a en un conjunto de validaci贸n para determinar su capacidad para predecir correctamente las clases de las noticias.
|
|
|
|
| 198 |
### **Conclusi贸n**
|
| 199 |
Este c贸digo utiliza t茅cnicas avanzadas como **fine-tuning** de un modelo preentrenado de **XLM-RoBERTa**, congelaci贸n de capas, **early stopping**, y c谩lculo de m茅tricas personalizadas para clasificar noticias como verdaderas o falsas. El modelo es afinado para este conjunto de datos espec铆fico, y su rendimiento se eval煤a con precisi贸n, recall, **F1 score** y **accuracy**.
|
| 200 |
|
| 201 |
+
Este enfoque proporciona una soluci贸n eficiente y efectiva para el problema de clasificaci贸n de texto en problemas de desinformaci贸n, utilizando modelos de lenguaje de 煤ltima generaci贸n.
|