/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
7 мар 2024

indonesian-emotion-distilbert-base-cased-finetuned

Классификация текстаТекст → label4 профессии

Мультиязычная DistilBERT-модель для классификации эмоций в индонезийском тексте.

36скачиваний за 30 дней1лайквеса обновлены11 мар 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

AptaArkana разработала эту модель как дообученную версию Toshifumi/distilbert-base-multilingual-cased-finetuned-emotion для классификации эмоций в тексте. Это компактная мультиязычная модель на архитектуре DistilBERT с классификационной головой; она принимает текст и выдаёт метки классов. Размер контекста — до 512 токенов.

Модель предназначена для определения эмоциональной окраски индонезийского текста. В README указаны результаты оценки: accuracy, precision, recall и F1 — 0,9299; при этом описание набора данных и деталей оценки не приведено. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • определение эмоций в сообщениях на индонезийском языке
  • анализ тональности пользовательских отзывов на индонезийском
  • разметка эмоций в постах и комментариях
  • сортировка индонезийских текстов по эмоциональным меткам

Ограничения

В README не описаны обучающие данные и ограничения модели; приведённые метрики невозможно интерпретировать без сведений о наборе и протоколе оценки.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

indonesian-emotion-distilbert-base-cased-finetuned

This model is a fine-tuned version of Toshifumi/distilbert-base-multilingual-cased-finetuned-emotion on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3309
  • Accuracy: 0.9299
  • Precision: 0.9299
  • Recall: 0.9299
  • F1: 0.9299

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: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.01
  • num_epochs: 5

Training results

Training LossEpochStepValidation LossAccuracyPrecisionRecallF1
0.21891.027470.28180.91790.91790.91790.9179
0.18782.054940.26420.92070.92070.92070.9207
0.15693.082410.28350.92730.92730.92730.9273
0.13794.0109880.31530.92740.92740.92740.9274
0.11255.0137350.33090.92990.92990.92990.9299

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu121
  • Datasets 2.17.1
  • Tokenizers 0.15.2

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
DistilBertForSequenceClassification
Ревизия весов
9d72daf

0 моделей