Характеристики

Контекст: 512 токенов
Параметры: 162 млн
Архитектура: bert · dense
Базовая модель: bert-base-arabertv02-twitter
Опубликована: 21 ноя 2023

Ссылки

Hugging Face

Improved-Arabert-twitter-sentiment2

Anwaarma

Классификация текстаТекст → label3 профессии

Дообученная арабоязычная BERT-модель для классификации тональности коротких сообщений, включая публикации в Twitter.

17скачиваний за 30 дней0лайковвеса обновлены21 ноя 2023

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

Improved-Arabert-twitter-sentiment2 — арабоязычная модель классификации текста, созданная дообучением aubmindlab/bert-base-arabertv02-twitter. Она предназначена для классификации коротких сообщений, в частности постов в Twitter, и может использоваться для определения тональности арабоязычных текстов. Модель построена на BERT, содержит 162,4 млн параметров и принимает последовательности длиной до 512 токенов.

В README приведены результаты оценки: accuracy 0,8759 и loss 0,4308, однако набор данных, метки классов и методика оценки не описаны. Репозиторий содержит веса PyTorch; сведения о лицензии отсутствуют в предоставленных источниках.

Сценарии применения

Определение тональности арабских твитов
Классификация тональности коротких арабских сообщений
Автоматическая разметка арабоязычных публикаций по тональности

Ограничения

Датасет, схема меток и методика оценки не описаны, поэтому приведённые метрики нельзя уверенно переносить на другие данные. Лицензия в предоставленных источниках не указана.

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Improved-Arabert-twitter-sentiment2

This model is a fine-tuned version of aubmindlab/bert-base-arabertv02-twitter on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.4308
Accuracy: 0.8759

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	0.07	50	0.4102	0.8130
No log	0.14	100	0.3141	0.8769
No log	0.21	150	0.2981	0.8806
No log	0.27	200	0.3297	0.8769
No log	0.34	250	0.2998	0.8796
No log	0.41	300	0.3312	0.8630
No log	0.48	350	0.3615	0.8491
No log	0.55	400	0.3695	0.8481
No log	0.62	450	0.3094	0.8778
0.316	0.68	500	0.2784	0.8907
0.316	0.75	550	0.3404	0.8759
0.316	0.82	600	0.3045	0.8806
0.316	0.89	650	0.3435	0.8731
0.316	0.96	700	0.2849	0.9
0.316	1.03	750	0.2846	0.8963
0.316	1.1	800	0.3034	0.8926
0.316	1.16	850	0.3801	0.8787
0.316	1.23	900	0.3525	0.8898
0.316	1.3	950	0.3388	0.8889
0.2119	1.37	1000	0.3823	0.8843
0.2119	1.44	1050	0.3621	0.8935
0.2119	1.51	1100	0.4106	0.8843
0.2119	1.58	1150	0.3820	0.8870
0.2119	1.64	1200	0.3770	0.8796
0.2119	1.71	1250	0.4199	0.8824
0.2119	1.78	1300	0.4308	0.8759

Framework versions

Transformers 4.34.1
Pytorch 2.1.0+cu118
Datasets 2.14.7
Tokenizers 0.14.1

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: BertForSequenceClassification
Ревизия весов: 4c18409