/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
29 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
8 апр 2023

rubert-tiny2-russian-emotion-detection

Классификация текстаТекст → label3 профессии

Модель определяет одну или несколько из десяти эмоций в русскоязычном тексте.

152скачиваний за 30 дней9лайковвеса обновлены26 ноя 2023

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

Djacon/rubert-tiny2-russian-emotion-detection — модель на базе ruBERT-tiny2, дообученная для многометочной классификации эмоций в русскоязычных текстах. Она относит текст к одной или нескольким категориям: радость, грусть, гнев, энтузиазм, удивление, отвращение, страх, вина, стыд и нейтральное состояние.

Модель построена на архитектуре BERT и содержит 29 млн параметров; максимальный контекст составляет 2048 токенов. Она предназначена для анализа эмоциональной окраски текстов, например сообщений и отзывов. В README приведены тестовые метрики, включая средний macro F1 0,618 и micro F1 0,864; качество заметно различается между классами. Обучена на датасете Djacon/ru-izard-emotions. Лицензия — MIT.

Сценарии применения

  • определение эмоций в сообщениях пользователей
  • анализ эмоциональной окраски отзывов
  • мониторинг эмоционального фона обращений в поддержку
  • разметка русскоязычных текстов по категориям эмоций

Ограничения

Качество различается по категориям: средний macro F1 в приведённых тестах составляет 0,618. Модель обучена на конкретном датасете русских эмоций, поэтому её результаты могут зависеть от жанра и распределения текстов.

Для каких профессий подходит3

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

Short Description

The rubert-tiny2-russian-emotion-detection is a fine-tuned rubert-tiny2 model for multi-label emotion classification task, specifically on Russian texts. Trained on custom ru-izard-emotions dataset, so this model can recognize a spectrum of 9 emotions, including joy, sadness, anger, enthusiasm, surprise, disgust, fear, guilt, shame + neutral (no emotion). Project was inspired by the Izard's model of human emotions.

For more information about model, please check Github repository

Training Parameters:

Optimizer: AdamW
Schedule: LambdaLR
Learning Rate: 1e-4
Batch Size: 64
Number Of Epochs: 10

Emotion Categories:

0. Neutral (Нейтрально)
1. Joy (Радость)
2. Sadness (Грусть)
3. Anger (Гнев)
4. Enthusiasm (Интерес)
5. Surprise (Удивление)
6. Disgust (Отвращение)
7. Fear (Страх)
8. Guilt (Вина)
9. Shame (Стыд)

Test results:

NeutralJoySadnessAngerEnthusiasmSurpriseDisgustFearGuiltShameMean
AUC0.73190.82340.80690.78840.84930.80470.81470.90340.85280.71450.8090
F1 micro0.71920.79510.82040.76420.86300.90320.91560.94820.95260.96060.8642
F1 macro0.60210.72370.65480.62740.72910.57120.47800.81580.48790.49000.6180

Citations

@misc{Djacon,
  author={Djacon},
  year={2023},
  publisher={Hugging Face},
  journal={Hugging Face Hub},
}

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
BertForSequenceClassification
Ревизия весов
de3ae5f

0 моделей