/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
albert · dense

Ссылки

Hugging Face

albert-base-v2-sst2

Alireza1044
Классификация текстаТекст → label3 профессии

ALBERT, дообученная на SST-2 для определения тональности английских текстов.

252скачиваний за 30 дней0лайковвеса обновлены26 июл 2021

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

Alireza1044/albert-base-v2-sst2 — модель классификации текста на основе ALBERT, дообученная на наборе данных SST-2 из бенчмарка GLUE для определения тональности английских высказываний. Это плотная архитектура AlbertForSequenceClassification с 136,3 млн параметров и контекстом до 512 токенов. Модель принимает текст и возвращает класс тональности; на оценочной выборке SST-2 указана точность 0,9232 и функция потерь 0,3808.

Модель подходит для классификации тональности коротких английских текстов, например отзывов и пользовательских комментариев. Весами можно пользоваться в формате PyTorch. Лицензия — Apache-2.0. Карточка не описывает дополнительные сценарии применения или ограничения.

Сценарии применения

  • определение тональности коротких отзывов на английском
  • классификация английских комментариев как позитивных или негативных
  • оценка эмоциональной окраски пользовательских высказываний

Ограничения

Модель обучена на SST-2, поэтому её качество на других жанрах и языках может отличаться; указанная точность относится к оценочной выборке этого датасета. Контекст ограничен 512 токенами.

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 594моделиIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельII.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

sst2

This model is a fine-tuned version of albert-base-v2 on the GLUE SST2 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3808
  • Accuracy: 0.9232

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: 1e-05
  • train_batch_size: 32
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 4.0

Training results

Framework versions

  • Transformers 4.9.0
  • Pytorch 1.9.0+cu102
  • Datasets 1.10.2
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
AlbertForSequenceClassification
Ревизия весов
e406771

0 моделей

    Создать бенчмарк