Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 30 июл 2026

Ссылки

Hugging Face

Sentiment_analysis_finetuning

AkhilBhaskaranNair

Классификация текстаТекст → label3 профессии

Дообученная на неизвестном наборе данных модель DistilBERT для классификации тональности текста.

10скачиваний за 30 дней0лайковвеса обновлены30 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Akhil Bhaskaran Nair разработал эту модель тональной классификации, дообучив DistilBERT на наборе данных, который не описан в карточке. Она предназначена для определения тональности текста. Модель использует архитектуру DistilBertForSequenceClassification, работает с текстом и имеет контекст до 512 токенов.

На оценочном наборе указаны loss 0,3489, accuracy 0,8667 и F1 0,8701. Карточка не уточняет набор меток, языки данных и ограничения применения. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

Определение тональности отзывов
Классификация настроения комментариев
Анализ тональности коротких текстовых сообщений

Ограничения

Набор обучающих данных и используемые классы тональности не описаны. Приведённые метрики относятся к оценочному набору, подробности которого отсутствуют.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Sentiment_analysis_finetuning

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.3489
Accuracy: 0.8667
F1: 0.8701

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Framework versions

Transformers 5.14.1
Pytorch 2.11.0+cu128
Datasets 3.6.0
Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 9d6f0cf