Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Архитектура: roberta · dense
Базовая модель: twitter-roberta-base-sentiment
Опубликована: 2 мая 2024

Ссылки

Hugging Face

TweetRoberta_5epochs

AndreiUrsu

Классификация текстаТекст → label4 профессии

Дообученная RoBERTa для классификации тональности коротких текстов, включая публикации в соцсетях.

10скачиваний за 30 дней0лайковвеса обновлены2 мая 2024

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

TweetRoberta_5epochs — дообученная модель классификации последовательностей на основе cardiffnlp/twitter-roberta-base-sentiment. Она предназначена для определения тональности коротких текстов, например публикаций в социальных сетях. Модель построена на архитектуре RoBERTa, содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов.

В README приведены результаты оценки: accuracy 0,9452 и F1 0,9454 при loss 0,3387. Набор данных для дообучения не назван, поэтому эти показатели нельзя переносить на другие данные без проверки. Модель опубликована в формате safetensors; условия лицензии в доступных сведениях не приведены.

Сценарии применения

Определение тональности публикаций в соцсетях
Классификация коротких сообщений по эмоциональной окраске
Анализ тональности текстовых отзывов
Автоматическая разметка коротких текстов для анализа мнений

Ограничения

Данные для дообучения не указаны, поэтому приведённые метрики оценки не гарантируют такое же качество на других текстах. Лицензия и дополнительные ограничения применения в доступных сведениях не приведены.

Для каких профессий подходит4

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TweetRoberta_5epochs

This model is a fine-tuned version of cardiffnlp/twitter-roberta-base-sentiment on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.3387
Accuracy: 0.9452
F1: 0.9454

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: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.2755	1.0	2500	0.4153	0.9176	0.9129
0.2107	2.0	5000	0.3076	0.9312	0.9341
0.1421	3.0	7500	0.2812	0.9428	0.9424
0.081	4.0	10000	0.3304	0.9464	0.9466
0.0601	5.0	12500	0.3387	0.9452	0.9454

Framework versions

Transformers 4.40.1
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.19.1

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: RobertaForSequenceClassification
Ревизия весов: 08715bb