/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
59,7 млн
Лицензия
Apache 2.0
Архитектура
mobilebert · dense
Опубликована
15 июн 2022

Ссылки

Hugging Face

mobilebert_sst2

Alireza1044
Классификация текстаТекст → label3 профессии

Дообученная MobileBERT для определения положительной или отрицательной тональности английских текстов.

40скачиваний за 30 дней0лайковвеса обновлены15 июн 2022

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 разработал эту модель, дообучив google/mobilebert-uncased на наборе GLUE SST-2 для классификации тональности английских текстов. Модель использует архитектуру MobileBERT и содержит 59,7 млн параметров; максимальная длина контекста — 512 токенов. Формат весов — PyTorch.

На оценочной выборке SST-2 модель показала точность 0,9037. Её можно применять для определения положительной или отрицательной тональности коротких высказываний, например отзывов и комментариев. Карточка не сообщает о дополнительных сценариях или ограничениях качества. Лицензия — Apache-2.0.

Сценарии применения

  • определение тональности отзывов на английском языке
  • классификация комментариев как положительных или отрицательных
  • анализ эмоциональной окраски коротких высказываний

Ограничения

Оценочная точность на SST-2 составляет 0,9037; результаты на других наборах данных и доменах не приведены. 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 google/mobilebert-uncased on the GLUE SST2 dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1730
  • Accuracy: 0.9037

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: 10.0

Training results

Framework versions

  • Transformers 4.20.0.dev0
  • Pytorch 1.11.0
  • Datasets 2.2.2
  • Tokenizers 0.12.1

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
MobileBertForSequenceClassification
Ревизия весов
bf78783

0 моделей

    Создать бенчмарк