Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Архитектура: xlm-roberta · dense
Опубликована: 25 июн 2026

Ссылки

Hugging Face

rusya-ukrayna-twitter-sentiment-model

Batuhanbey

Классификация текстаТекст → label3 профессии

Модель классифицирует тональность твитов о российско-украинской войне по пяти эмоциональным категориям.

10скачиваний за 30 дней0лайковвеса обновлены25 июн 2026

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

Batuhanbey tarafından geliştirilen, XLM-RoBERTa tabanlı ve yaklaşık 305 milyon parametreli metin sınıflandırma modelidir. Model, Rusya-Ukrayna savaşıyla ilgili Twitter/X paylaşımlarını beş sınıfa ayırmak üzere ince ayarlandı: mutlu, üzgün, kızgın, şaşkın ve nötr. Bağlam uzunluğu 514 токенов, модель принимает текст и выдаёт метку класса с оценкой уверенности. Карточка указывает, что модель создана в рамках академического проекта TÜBİTAK; базовая архитектура — xlm-roberta-base.

Метаданные отмечают турецкий язык, а описание задачи в README приведено на турецком языке. Модель подходит для анализа тональности публикаций о войне и агрегирования общественных реакций. Результаты являются автоматической классификацией и не предназначены для политических, юридических или официальных оценок. Лицензия в предоставленных данных не указана.

Сценарии применения

Определение эмоциональной окраски твитов о российско-украинской войне
Подсчёт долей позитивных, негативных и нейтральных реакций в публикациях
Мониторинг эмоциональных реакций на новости о войне
Разметка турецкоязычных публикаций для анализа общественного мнения

Ограничения

Модель предназначена для публикаций о российско-украинской войне и использует пять заданных эмоциональных меток; перенос на другие темы или языки может быть ненадёжным. Автоматические результаты не следует использовать для политических, юридических или официальных оценок.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Rusya-Ukrayna Savaşı Twitter Duygu Analizi Modeli

Bu model, Rusya-Ukrayna savaşıyla ilgili Twitter/X paylaşımlarını beş duygu sınıfına ayırmak için fine-tune edilmiştir.

Etiketler

mutlu
uzgun
kizgin
saskin
notr

Kullanım

from transformers import pipeline

classifier = pipeline("text-classification", model="Batuhanbey/rusya-ukrayna-twitter-sentiment-model")
result = classifier("Bugün savaşla ilgili çok üzücü haberler var.")
print(result)

Temel Model

Model, xlm-roberta-base mimarisi üzerine duygu analizi görevi için eğitilmiştir.

Not

Bu model akademik/TÜBİTAK proje çalışması kapsamında hazırlanmıştır. Sonuçlar otomatik sınıflandırmadır; siyasi, hukuki veya resmi değerlendirme amacıyla kullanılmamalıdır.

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: 73f1319