Fine Tunning al modelo BERT (español) para clasificar reseñas. El modelo ha sido entrenado con un dataset de reseñas de Trip Advisor con la finalidad de clasificar las reseñas de estrellas del 1 al 5. ⭐⭐⭐⭐⭐
Al ser entrenado con reseñas de hoteles, restaurantes y lugares, se tiene la tendencia de trabajr mejor con este tipo de reseñas a la hora de testearlo, sin embargo, reconoce bastante bien casi cualquier tipo de comentario.
A continuación, se adjuntan los vínculos al notebook y al output de las reseñas testeadas.
👉 Aquí el Notebook del clasificador 👈
👉 Aquí las predicciones del modelo 👈
Como ejemplo, tomamos una reseña aleatoria de Google Maps en donde un usuario califica su visita a Six Flags.
A primera vista, su comentario refleja cierto disgusto pero también cosas rescatables del parque de diversiones. Por lo que al pasarlo a nuestro modelo obtenemos la siguiente predicción:
Nota: Tomemos en cuenta la ambigûedad y subjetividad del pensamiento humano. Lo que para algunos se podrían considerar 3 estresllas ⭐⭐⭐, para otros podrían ser 2 o 4 estrellas.
A continuación, otra demostración del funcionamiento del programa. Esta vez, se genera una lista con distintas opiniones y reseñas (algunas tomadas de Internet) y procedemos con la ejecución del clasificador:
📌 Este repositorio fue creado y mantenido por Aldo Santiago Alejandro como parte del Macroentrenamiento de Inteligencia Artificial 2025 organizado por la UNAM.