Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-base
Опубликована: 3 сен 2023

Ссылки

Hugging Face

Bangla-twoclass-Sentiment-Analyzer

Arunavaonly

Классификация текстаТекст → label3 профессии

Дообученная XLM-RoBERTa Base для двухклассовой классификации тональности текстов на бенгальском языке.

976 тыс.скачиваний за 30 дней4лайкавеса обновлены24 фев 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

Arunavaonly/Bangla-twoclass-Sentiment-Analyzer — модель классификации текста на основе XLM-RoBERTa Base, дообученная для анализа тональности на бенгальском языке. Она предназначена для отнесения текста к одному из двух классов тональности. Модель содержит около 305,2 млн параметров, принимает последовательности длиной до 514 токенов и доступна в форматах PyTorch и Safetensors.

В карточке указаны результаты оценки: F1 0,6113 и loss 2,7755. Данных о составе классов, обучающем наборе и ограничениях применения нет, поэтому качество на конкретных текстах может отличаться. Лицензия — MIT.

Сценарии применения

определение положительной или отрицательной тональности бенгальских отзывов
сортировка бенгальских комментариев по тональности
анализ тональности сообщений на бенгальском языке

Ограничения

На оценочном наборе указаны F1 0,6113 и loss 2,7755; данных о наборе, разметке классов и ограничениях применения нет.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Bangla-Twoclass-Sentiment-Analyzer

This model is a fine-tuned version of xlm-roberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 2.7755
F1: 0.6113

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: 3e-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
training_steps: 1800
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	F1
No log	2.53	200	0.9869	0.4635
No log	5.06	400	0.8978	0.5858
0.8692	7.59	600	1.1978	0.6149
0.8692	10.13	800	1.5145	0.6112
0.3138	12.66	1000	2.0353	0.6041
0.3138	15.19	1200	2.4316	0.6203
0.3138	17.72	1400	2.6025	0.6002
0.0769	20.25	1600	2.6247	0.6082
0.0769	22.78	1800	2.7755	0.6113

Framework versions

Transformers 4.37.2
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: XLMRobertaForSequenceClassification
Ревизия весов: b2b3ca5