1️ Instalar a biblioteca
pip install liqfit pandas torch transformers
2️ Importar bibliotecas e definir modelo
import pandas as pd import torch from transformers import AutoTokenizer , AutoModelForSequenceClassification from liqfit import ZeroShotClassifier
Definindo o modelo Compreender_it-multilingual-t5-base :
modelo_nome = "pierreguillou / comprehend_it-multilingual-t5-base "
tokenizer = AutoTokenizer.from_pretrained ( modelo_nome )
model = AutoModelForSequenceClassification.from_pretrained ( modelo_nome )
classifier = ZeroShotClassifier ( model = model , tokenizer = tokenizer )
3️ Carregar os dados
url = " https://raw.githubusercontent.com/alura-cursos/hugging_face/main/Atividades/produtos_descricoes.csv" df = pd.read_csv ( url ) df.head ( )
4️ Definir categorias possíveis
categorias = [ "brinquedos" , "beleza" , "eletrônicos" , "ferramentas" , "cozinha" ]
5️ Criar função para classificar o produto
def categorizar_produto ( descrição ):
resultado = classificador ( descrição , categorias )
Encontrar categoria com maior pontuação
categoria_max = max ( zip ( resultado [ "labels" ], resultado [ "scores" ]),
key =lambda x : x [ 1 ] )[ 0 ]
return categoria_max
6️ Criar nova coluna no DataFrame
df [ "Categoria" ] = df [ "descrição" ] . apply( categorizar_produto ) df . cabeça()
