Модель на базе DeBERTa-v3 классифицирует сообщения Twitter по эмоциональным категориям.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Emanuel/twitter-emotion-deberta-v3-base — модель классификации текста на базе DeBERTa-v3, дообученная для распознавания эмоций в сообщениях Twitter. Она присваивает тексту эмоциональную категорию и предназначена для анализа тональности эмоциональных публикаций и разметки коротких сообщений. Модель содержит 211,6 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате PyTorch.
В карточке указаны точность 0,937 и loss 0,1474 на оценочном наборе данных Emotion. Модель выпущена под лицензией Apache-2.0. Данных о поддерживаемых языках в карточке и метаданных нет; результаты на оценочном наборе не гарантируют такого же качества на других источниках текста.
Модель оценивалась на наборе Emotion; её точность на других источниках и типах текста может отличаться. Поддерживаемые языки в предоставленных данных не указаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model is a fine-tuned version of DeBERTa-v3. It achieves the following results on the evaluation set:
The following hyperparameters were used during training:
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…