Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Архитектура: roberta · dense

Ссылки

Hugging Face

roberta-base-finetuned-sst2

Bhumika

Классификация текстаТекст → label3 профессии

Модель RoBERTa для классификации текста и определения тональности по задаче SST-2.

23скачиваний за 30 дней4лайкавеса обновлены25 окт 2021

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

Bhumika/roberta-base-finetuned-sst2 — модель классификации текста на базе RoBERTa, обученная на наборе данных GLUE. По названию репозитория она предназначена для определения тональности по задаче SST-2 и выдаёт метку класса для входного текста. Архитектура — RobertaForSequenceClassification, размер — 151,8 млн параметров; контекст составляет до 514 токенов. Модель распространяется в формате PyTorch.

В карточке приведён результат оценки на тестовом наборе: accuracy 0,945 и loss 0,300. Разработчик не описал дополнительные сценарии применения и ограничения. Лицензия в предоставленных данных не указана.

Сценарии применения

определение положительной или отрицательной тональности короткого текста
классификация отзывов о товарах и услугах
оценка тональности пользовательских комментариев

Ограничения

В карточке приведены результаты только для оценки на SST-2; перенос качества на другие наборы данных и языки не подтверждён. Не указаны лицензия и дополнительные ограничения применения.

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-finetuned-sst2

This model was trained from scratch on the glue dataset. It achieves the following results on the evaluation set:

Loss: 0.3000
Accuracy: 0.9450

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: 5

Training results

Training Loss	Epoch	Step	Accuracy	Validation Loss
0.1106	1.0	4210	0.9255	0.3326
0.1497	2.0	8420	0.9369	0.2858
0.1028	3.0	12630	0.3128	0.9335
0.0872	4.0	16840	0.3000	0.9450
0.0571	5.0	21050	0.3378	0.9427

Framework versions

Transformers 4.11.3
Pytorch 1.9.0+cu111
Datasets 1.14.0
Tokenizers 0.10.3

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: eee69c5