---
title: Mvp Sentimientos
emoji: 🔥
colorFrom: purple
colorTo: yellow
sdk: gradio
sdk_version: 5.49.1
app_file: app.py
pinned: false
license: apache-2.0
short_description: 'MVP: Comparador de Modelos de Análisis de Sentimiento'
---

# 🆚 Comparador de Modelos de Análisis de Sentimiento

Una aplicación interactiva que compara dos modelos de análisis de sentimiento especializados en español:

- **🤖 RoBERTuito** (`pysentimiento/robertuito-sentiment-analysis`)
- **📚 BETO** (`finiteautomata/beto-sentiment-analysis`)

## 🎯 Objetivo

Este MVP demuestra las capacidades de diferentes arquitecturas de transformers para análisis de sentimiento en español, permitiendo comparar:

- **RoBERTuito**: Especializado en lenguaje coloquial y redes sociales
- **BETO**: Modelo clásico más formal entrenado en Wikipedia

## ✨ Características

- **Comparación lado a lado** de ambos modelos
- **Ejemplos en español argentino** con expresiones coloquiales
- **Métricas de rendimiento** (confianza y tiempo de respuesta)
- **Interfaz intuitiva** desarrollada con Gradio
- **Arquitectura eficiente** con carga única de modelos

## 🚀 Uso

1. **Ingresa texto** en el área de texto principal
2. **Observa resultados** de ambos modelos en tiempo real
3. **Prueba ejemplos** con expresiones argentinas típicas
4. **Compara rendimiento** entre modelos especializados vs generalistas

## 📊 Ejemplos incluidos

- ✅ "La verdad, este lugar está bárbaro. Muy recomendable."
- ❌ "Una porquería de servicio, nunca más vuelvo."
- 😐 "Qué garrón, tardaron una banda en traer el pedido."
- 🙂 "Re copado todo, la rompieron con el ambiente."

## 🏗️ Arquitectura Técnica

```mermaid
graph TB
    A[Usuario] --> B[Texto Input]
    B --> C[RoBERTuito Model]
    B --> D[BETO Model]
    C --> E[Resultado RoBERTuito]
    D --> F[Resultado BETO]
    E --> G[Interfaz Comparación]
    F --> G
    G --> H[Usuario ve resultados]
```

**Características técnicas:**

- Modelos cargados una sola vez al inicio
- Procesamiento paralelo para mejor rendimiento
- Manejo robusto de errores
- Formateo consistente de resultados

## 🎓 Contexto Educativo

Este proyecto forma parte del curso **Procesamiento de Lenguaje Natural** de la **Tecnicatura en Ciencia de Datos - IFTS**.

**Objetivos de aprendizaje:**

- ✅ Comprender diferencias entre modelos especializados
- ✅ Aplicar transformers en aplicaciones reales
- ✅ Diseñar interfaces interactivas con Gradio
- ✅ Deployar aplicaciones en Hugging Face Spaces

## 🔧 Instalación Local

```bash
# 1. Crear entorno virtual
python -m venv venv

# 2. Activar entorno
# Windows:
venv\Scripts\activate
# Linux/Mac:
# source venv/bin/activate

# 3. Instalar dependencias
pip install -r requirements.txt

# 4. Ejecutar aplicación
python app.py
```

## 🌐 Deploy

Esta aplicación está diseñada para deploy automático en [Hugging Face Spaces](https://huggingface.co/spaces).

**Para deploy:**

1. Crear nuevo Space en Hugging Face
2. Conectar repositorio Git
3. Push automático desplegará la aplicación

## 📈 Próximas Mejoras

- [ ] Agregar más modelos para comparación
- [ ] Visualización gráfica de resultados
- [ ] Análisis por lotes de textos
- [ ] Exportación de resultados
- [ ] Métricas de accuracy comparativas

## 👨‍💻 Desarrollado con

- **Python 3.10+**
- **Transformers** (Hugging Face)
- **Gradio** (Interfaz web)
- **PyTorch** (Backend ML)

## 📝 Licencia

Apache 2.0 - libre uso educativo y desarrollo.

---

**Desarrollado para el curso de Procesamiento de Lenguaje Natural - IFTS 2025**