Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 3 авг 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

HeartNatnai

Классификация текстаТекст → label3 профессии

Дообученная англоязычная DistilBERT-модель для классификации текста по эмоциональным категориям.

9скачиваний за 30 дней0лайковвеса обновлены3 авг 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

HeartNatnai/distilbert-base-uncased-finetuned-emotion — дообученная модель классификации последовательностей на базе distilbert/distilbert-base-uncased, опубликованная пользователем HeartNatnai. Она предназначена для отнесения текста к эмоциональным категориям. В README приведены результаты оценки: accuracy 0,926 и F1 0,926; набор меток и данные обучения не описаны. Модель использует архитектуру DistilBertForSequenceClassification, формат safetensors и контекст до 512 токенов.

Работает с текстом на английском языке, что следует из uncased английской базовой модели; других поддерживаемых языков карточка не подтверждает. Лицензия — Apache-2.0. Результаты оценки относятся к указанному в карточке набору и не гарантируют качество на других данных.

Сценарии применения

определение эмоциональной окраски коротких текстов
анализ эмоций в отзывах
классификация эмоциональных сообщений в социальных сетях

Ограничения

В README не указаны набор меток, обучающий датасет и ограничения применения. Приведённые метрики оценки не гарантируют такого же качества на других данных.

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

distilbert-base-uncased-finetuned-emotion

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

Loss: 0.2121
Accuracy: 0.926
F1: 0.9260

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: 64
eval_batch_size: 64
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.8264	1.0	250	0.2987	0.913	0.9122
0.2464	2.0	500	0.2121	0.926	0.9260

Framework versions

Transformers 5.14.1
Pytorch 2.11.0+cu128
Datasets 5.0.1
Tokenizers 0.22.2

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: fe8f4d5