Chinese Six-label Emotion Model
This model performs Chinese multi-label emotion classification with six emotion categories:
- angry
- fear
- happy
- neutral
- sad
- surprise
The shared hybrid parameters are stored in top_level_summary.json.
Характеристики
- Контекст
- 512 токенов
- Параметры
- 129 млн
- Архитектура
- bert · dense
- Библиотека
- transformers
- Опубликована
- 13 июн 2026
Ссылки
chinese-6-emotion-model
Модель на основе BERT определяет шесть эмоциональных категорий в китайскоязычном тексте.
99скачиваний за 30 дней0лайковвеса обновлены13 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
LXDaugh разработал модель классификации китайскоязычного текста по шести категориям эмоций: гнев, страх, радость, нейтральное состояние, грусть и удивление. Она выполняет многометочную классификацию и подходит для анализа эмоциональной окраски китайских сообщений и текстов. Модель основана на BERT и имеет около 129,5 млн параметров. Она принимает текст, выдаёт метки эмоциональных категорий и поддерживает контекст длиной до 512 токенов.
В карточке не описаны обучающие данные, метрики качества или условия лицензии, поэтому эти характеристики нельзя оценить по имеющимся сведениям.
Сценарии применения
- определение эмоций в китайских сообщениях
- анализ эмоциональной окраски китайских отзывов
- разметка китайских текстов по категориям эмоций
Ограничения
В карточке нет метрик качества и сведений о наборе данных. Условия лицензии не указаны в предоставленных источниках.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594моделиIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · text-classification
Подбираем GPU…
- Класс архитектуры
- BertForSequenceClassification
- Ревизия весов
- 52b21cd