Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Опубликована: 14 июн 2022

Ссылки

Hugging Face

roberta-base-sst2

JeremiahZ

Классификация текстаТекст → label4 профессии

Дообученная на SST-2 модель RoBERTa для классификации тональности англоязычных текстов.

554скачиваний за 30 дней0лайковвеса обновлены26 янв 2025

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

JeremiahZ/roberta-base-sst2 — модель классификации текста на базе RoBERTa, дообученная на датасете SST-2 из набора GLUE. Она предназначена прежде всего для определения тональности коротких англоязычных текстов, например отзывов и пользовательских комментариев. Архитектура — RobertaForSequenceClassification; модель содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов.

На оценочной выборке SST-2 указана точность 93,58% и значение loss 0,2314. Модель ограничена задачей классификации и английским языком; результаты из карточки относятся к оценке на SST-2 и не гарантируют такое же качество на других жанрах или языках. Лицензия — MIT.

Сценарии применения

определение тональности англоязычных отзывов
классификация комментариев как позитивных или негативных
оценка тональности коротких пользовательских сообщений

Ограничения

Модель обучена для бинарной классификации тональности на SST-2, поэтому её качество на других жанрах и языках может отличаться. Контекст ограничен 514 токенами.

Для каких профессий подходит4

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей 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

roberta-base-sst2

This model is a fine-tuned version of roberta-base on the GLUE SST2 dataset. It achieves the following results on the evaluation set:

Loss: 0.2314
Accuracy: 0.9358

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: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.06
num_epochs: 10.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2287	1.0	4210	0.2314	0.9358
0.1959	2.0	8420	0.3027	0.9266
0.1635	3.0	12630	0.3022	0.9300
0.1148	4.0	16840	0.3162	0.9289

Framework versions

Transformers 4.20.0.dev0
Pytorch 1.11.0+cu113
Datasets 2.1.0
Tokenizers 0.12.1

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: RobertaForSequenceClassification
Ревизия весов: 0daa4dc