/ Модель

Характеристики

Контекст
258 токенов
Параметры
162 млн
Лицензия
AGPL 3.0
Архитектура
roberta · dense
Базовая модель
phobert-base-v2
Библиотека
transformers
Опубликована
17 июл 2026

phobert-vietnamese-sentiment

Классификация текстаТекст → label3 профессии

Дообученная PhoBERT-модель классифицирует тональность текстов на вьетнамском языке.

41скачиваний за 30 дней0лайковвеса обновлены17 июл 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

Jaykl2910/phobert-vietnamese-sentiment — модель классификации текста, созданная дообучением PhoBERT-base-v2 от VinAI для анализа тональности вьетнамского текста. Она предназначена для определения тональности отдельных текстов; в README приведены результаты оценки: accuracy 0,9378 и macro-F1 0,8704, но набор данных и схема меток не описаны. Модель основана на архитектуре RoBERTa и содержит 162,4 млн параметров; длина контекста — 258 токенов. Доступна в формате safetensors для библиотеки Transformers. Лицензия — AGPL-3.0.

Сценарии применения

  • определение тональности вьетнамских отзывов
  • анализ настроения комментариев на вьетнамском языке
  • разметка вьетнамских сообщений по тональности
  • фильтрация отзывов по тональности

Ограничения

README не сообщает, на каком наборе данных обучалась модель и какие классы тональности она предсказывает. Указанные метрики получены на оценочной выборке, состав которой не описан.

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

phobert-vietnamese-sentiment

This model is a fine-tuned version of vinai/phobert-base-v2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2211
  • Accuracy: 0.9378
  • F1 Macro: 0.8704

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: 32
  • 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
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracyF1 Macro
0.20551.06440.20080.92380.8400
0.11992.012880.18730.94090.8689
0.08763.019320.22110.93780.8704

Framework versions

  • Transformers 5.14.1
  • Pytorch 2.11.0+cu128
  • Datasets 5.0.0
  • 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
RobertaForSequenceClassification
Ревизия весов
70cb883

0 моделей