---
tags:
- opinion-classifier
- text-classification
- transformers
- gradio
---

# Clasificador de Opiniones Multietiqueta

Este módulo utiliza modelos de Transformers para preprocesar y clasificar opiniones en múltiples etiquetas como queja, sugerencia, agradecimiento, felicitación, ninguna y cambio positivo personal.

## Descripción

Explica brevemente qué hace tu modelo, los datos en los que fue entrenado, y cualquier otra información relevante.

## Cómo usar

Aquí hay un ejemplo de cómo cargar y usar el modelo:

```python
import pickle
from huggingface_hub import hf_hub_download
import ftfy
import re
import torch
import numpy as np
from transformers import DistilBertTokenizer, DistilBertModel

def corregir_codificacion(texto):
    if isinstance(texto, str):
        return ftfy.fix_text(texto)
    return texto

def preprocesar_texto(texto):
    texto = texto.lower()
    texto = re.sub(r'\d+', '', texto)
    texto = re.sub(r'[^\w\s]', '', texto)
    return texto

class ClasificadorOpiniones:
    def __init__(self):
        model_path = hf_hub_download(repo_id="begoach1/opinion_classifier", filename="modelo_clasificador_reentrenado_lp_ros.pkl")
        self.clf_combined = pickle.load(open(model_path, 'rb'))
        self.tokenizer = DistilBertTokenizer.from_pretrained('distilbert-base-multilingual-cased')
        self.model = DistilBertModel.from_pretrained('distilbert-base-multilingual-cased')

    def clasificar_opinion(self, texto):
        texto = corregir_codificacion(texto)
        texto = preprocesar_texto(texto)
        tokens = self.tokenizer(texto, padding=True, truncation=True, return_tensors='pt')
        with torch.no_grad():
            outputs = self.model(**tokens)
        encoded_text = outputs.last_hidden_state[:, 0, :].numpy()
        prediccion = self.clf_combined.predict(encoded_text)
        etiquetas = ['queja', 'sugerencia', 'agradecimiento', 'felicitacion', 'ninguna', 'cambio_positivo_personal']
        resultado = dict(zip(etiquetas, prediccion[0]))
        return resultado

clasificador = ClasificadorOpiniones()
texto = "me gustó mucho, tengo más confianza en mí misma, ¡gracias!"
print(clasificador.clasificar_opinion(texto))