Upload folder using huggingface_hub

README.md

@@ -1,3 +1,64 @@
----
-license: apache-2.0
----
+---
+library_name: transformers
+tags:
+  - sentiment-analysis
+  - roberta
+  - twitter
+  - huggingface
+  - sentiment140
+datasets:
+  - sentiment140
+model_name: cardiffnlp/twitter-roberta-base-sentiment-latest
+task: text-classification
+license: apache-2.0
+---
+
+# Twitter-RoBERTa Sentiment140 Fine-tuned
+
+Questo modello è una versione fine-tuned di `cardiffnlp/twitter-roberta-base-sentiment-latest` sul dataset Sentiment140, ottimizzato per l'analisi del sentiment di tweet in italiano e inglese. Il modello classifica i testi in tre categorie: negativo, neutro, positivo.
+
+## Caratteristiche tecniche
+- **Base model:** cardiffnlp/twitter-roberta-base-sentiment-latest
+- **Dataset:** Sentiment140 (5000 esempi train, 500 validazione, 5000 test)
+- **Task:** Sentiment Analysis (3 classi: negativo, neutro, positivo)
+- **Tokenizzazione:** max_length=128, padding='max_length', truncation=True
+- **Batch size:** 16
+- **Epochs:** 3
+- **Learning rate:** 2e-5
+- **Weight decay:** 0.01
+
+## Come usare il modello
+
+```python
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+import torch
+
+tokenizer = AutoTokenizer.from_pretrained("<MODEL_DIR>")
+model = AutoModelForSequenceClassification.from_pretrained("<MODEL_DIR>")
+
+text = "Questo è un tweet fantastico!"
+inputs = tokenizer(text, return_tensors="pt", truncation=True, padding="max_length", max_length=128)
+with torch.no_grad():
+    logits = model(**inputs).logits
+    predicted_class = logits.argmax(-1).item()
+
+# Mappatura delle classi:
+# 0 = Negativo, 1 = Neutro, 2 = Positivo
+print(f"Sentiment: {predicted_class}")
+```
+Sostituisci `<MODEL_DIR>` con il percorso della cartella del modello salvato (es. `./results/hf_model`).
+
+## Dataset
+Il dataset Sentiment140 contiene tweet etichettati come negativo (0), neutro (2), positivo (4). Le etichette sono state rimappate come segue:
+- 0 → 0 (Negativo)
+- 2 → 1 (Neutro)
+- 4 → 2 (Positivo)
+
+## Addestramento
+L'addestramento è stato effettuato con HuggingFace Transformers Trainer, utilizzando una suddivisione 90/10 per train/validation e limitando la dimensione dei dati per rapidità di test.
+
+## Licenza
+Apache 2.0
+
+## Autore
+Machine Innovators (proai-machineinnovators)