Türkçe metin sınıflandırması için BERT modeli kullanmak aşağıdaki adımlarla gerçekleştirilebilir: 1. Model ve Tokenizer'ı Yükleme: Hugging Face Hub'dan BERT modelini ve tokenizer'ı yükleyin. ```python model_name = "ba2hann/bert_base_turkish_sentiment_analysis" tokenizer = BertTokenizer.from_pretrained(model_name) model = BertForSequenceClassification.from_pretrained(model_name) ``` 2. Girdi Hazırlama: Metni tokenize edin ve modele uygun bir formata getirin. ```python inputs = tokenizer(metin, return_tensors="pt", padding=True, truncation=True, max_length=256) ``` 3. Model İleri Besleme: BERT modelini çalıştırarak her sınıf için bir olasılık puanı hesaplatın. ```python with torch.no_grad(): outputs = model(inputs) logits = outputs.logits ``` 4. Sınıflandırma: En yüksek olasılık puanına sahip sınıfı tahmin edin. ```python olasılıklar = torch.nn.functional.softmax(logits, dim=-1)[0] tahmin_edilen_sınıf = torch.argmax(logits, dim=-1).item() ``` 5. Sonuçları Biçimlendirme: Her kategori için olasılıkları bir sözlük formatında geri döndürün. ```python sonuc = { 'Tahmin': kategori_haritasi[tahmin_edilen_sınıf], 'Tahmin Güveni': olasılıklar[tahmin_edilen_sınıf].item(), 'Kategori Olasılıkları': kategori_olasılıkları, 'En Yüksek İkinci Tahmin': kategori_haritasi[olasılıklar.argsort(descending=True)], 'İkinci Tahmin Olasılığı': olasılıklar[olasılıklar.argsort(descending=True) } ``` Bu model, ırkçılık, kızdırma, nötr ve cinsiyetçilik gibi kategorilere ayırma gibi çeşitli sınıflandırma görevleri için kullanılabilir.