Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 26 июн 2026

Ссылки

Hugging Face

distilbert-emotion

KshitizSharma

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель классифицирует текст по эмоциональным меткам.

15скачиваний за 30 дней0лайковвеса обновлены26 июн 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

KshitizSharma выпустил модель distilbert-emotion — дообученную DistilBERT модель для классификации текста по эмоциональным меткам. Она предназначена для анализа эмоциональной окраски коротких текстов. В README указаны результаты на наборе оценки: F1 — 0,9252, точность — 0,925, loss — 0,1842; название и состав датасета не раскрыты. Модель построена на DistilBertForSequenceClassification, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов. Распространяется по лицензии Apache-2.0.

Сценарии применения

определение эмоций в коротких сообщениях
анализ эмоциональной окраски отзывов
сортировка текстов по эмоциональным меткам

Ограничения

Датасет обучения и набор эмоциональных меток не описаны. Контекст ограничен 512 токенами; приведённые метрики относятся только к указанному набору оценки.

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-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: 0.1842
F1: 0.9252
Accuracy: 0.925

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: 16
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: 4

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Accuracy
0.2148	1.0	1000	0.2169	0.9263	0.9265
0.1182	2.0	2000	0.1766	0.9329	0.9335
0.0767	3.0	3000	0.1757	0.9357	0.9355
0.0633	4.0	4000	0.1772	0.9340	0.934

Framework versions

Transformers 5.9.0
Pytorch 2.12.0+cpu
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: DistilBertForSequenceClassification
Ревизия весов: 049e877