/ Модель

Характеристики

Контекст
512 токенов
Лицензия
CC BY 4.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Библиотека
transformers
Опубликована
11 июл 2026

distilbert_goodreads_book_classification

Классификация текстаТекст → label

Дообученная DistilBERT-модель определяет жанр книги по её названию, автору и описанию, выбирая одну из 31 категории Amazon Kindle.

61скачиваний за 30 дней1лайквеса обновлены3 окт 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

Модель Chima207/distilbert_goodreads_book_classification — дообученная Chima207 версия DistilBERT для многоклассовой классификации книг по жанрам. Она принимает текстовые метаданные книги: название, автора и краткое описание, и относит их к одной из 31 категорий Amazon Kindle. Модель основана на distilbert/distilbert-base-uncased, использует архитектуру DistilBertForSequenceClassification и рассчитана на английский язык; максимальная длина контекста составляет 512 токенов.

Модель предназначена для автоматической разметки жанров книг, в том числе для каталогов и экспериментов с классификацией шумных пользовательских тегов. На тестовой выборке README сообщает точность около 51% и F1 около 0,51, поэтому предсказания стоит проверять, особенно для неоднозначных описаний и книг за пределами заданной таксономии из 31 категории. Лицензия — CC BY 4.0.

Сценарии применения

  • автоматическая классификация жанров книг по описанию
  • разметка книжного каталога категориями Amazon Kindle
  • предварительная категоризация книг по названию и автору
  • оценка моделей на задаче классификации шумных книжных тегов

Ограничения

Качество ограничено шумом и неоднозначностью пользовательских тегов Goodreads; точность на оценочной выборке составляет около 51%. Модель предсказывает категории только из заданной таксономии Amazon Kindle и может ошибаться на книгах вне её охвата.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert_goodreads_book_classification

This model is a fine-tuned version of distilbert-base-uncased on the Goodreads-Books dataset. It achieves the following results on the evaluation set:

  • Loss: 2.0030
  • Accuracy: 0.5159
  • F1 Score: 0.5065
  • Precision: 0.5073
  • Recall: 0.5159

Model description

This model is a fine-tuned version of distilbert-base-uncased trained for multi-class book genre classification based on textual metadata (book titles and descriptions).

Due to the noisy and highly heterogeneous nature of crowd-sourced Goodreads user tags, 1,003 unique Goodreads shelves were heuristically mapped into a standardized taxonomy of 31 Amazon Kindle categories. To handle the resulting severe class imbalance, class distribution was balanced using a Random Oversampler before fine-tuning. This model represents a single-stage fine-tuning approach directly on the preprocessed Goodreads metadata dataset, achieving an Accuracy of 50.58% and significantly outperforming traditional vector-based baselines (Doc2Vec + Random Forest at 40.84%).

Intended uses & limitations

  • Automated genre classification of books using metadata or descriptions.

  • Serving as a baseline for evaluating NLP models on imbalanced, crowd-sourced taxonomy mapping tasks.

  • Performance is fundamentally constrained by the inherent noise, ambiguity, and subjectivity of crowdsourced user tags (Goodreads shelves).

  • Predictions are mapped specifically to the 31-class Amazon Kindle taxonomy; inputs outside this category scope may yield inaccurate classifications.

Datasets

Training and evaluation data

  • Source: Goodreads book metadata and user-generated shelf tags (noisy genres).
  • Target Taxonomy: 31 standardized Amazon Kindle categories (genres).
  • Input Features: Concatenated description text made of book title, author and summary.

Data Preprocessing & Pipeline

  1. Taxonomy Mapping: 1,003 heterogeneous, crowdsourced Goodreads-shelves were heuristically clustered and mapped into a standardized 31-class Amazon Kindle taxonomy to resolve label noise and synonymy.
  2. Class Imbalance Handling: To address the severe long-tail class distribution inherent in user-generated book data, Random Oversampling was applied to the training split prior to model fine-tuning.
  3. Splits: The dataset was partitioned into stratified (80/20) train and test splits to evaluate the classification performance.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 2
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracyF1 ScorePrecisionRecall
0.42121.000085191.76100.50580.49130.50180.5058
0.2471.9999170382.00300.51590.50650.50730.5159

Framework versions

  • Transformers 4.45.2
  • Pytorch 2.5.1
  • Datasets 4.1.1
  • Tokenizers 0.20.1

Academic Context & Citation / Akademischer Kontext

This repository and model were developed as part of a Bachelor's thesis in 2026.

  • Title: Classification of Goodreads genres: A methodological comparison of Doc2Vec and DistilBERT
  • License: CC BY-NC 4.0 (Free for research, education, and personal use; commercial use prohibited)

Dieses Repository und Modell wurden im Rahmen einer Bachelorarbeit im Jahr 2026 entwickelt.

  • Titel: Klassifikation von Goodreads-Genres: Ein methodischer Vergleich von Doc2Vec und DistilBERT
  • Lizenz: CC BY-NC 4.0 (Frei für Forschung, Lehre und private Nutzung; kommerzielle Nutzung untersagt)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForSequenceClassification
Ревизия весов
4c6aa9e

0 моделей