Характеристики

Контекст: 512 токенов
Параметры: 138 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Библиотека: transformers
Опубликована: 13 мая 2024

Ссылки

bert-for-japanese-twitter-sentiment

Классификация текстаТекст → label3 профессии

BERT, дообученный для классификации тональности японских публикаций Twitter как отрицательной, нейтральной или положительной.

378скачиваний за 30 дней2лайкавеса обновлены9 авг 2024

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

Модель LoneWolfgang/bert-for-japanese-twitter-sentiment — дообученная версия BERT для определения тональности японских публикаций в Twitter. Базовая модель — японский BERT от Tohoku NLP, дополнительно адаптированный к текстам Twitter продолжением обучения на задаче masked language modeling; затем модель дообучили на наборе Japanese Twitter Sentiment 1k (JTS1k), исключив смешанные примеры.

Модель классифицирует текст по трём меткам: отрицательная, нейтральная и положительная тональность. Она предназначена для анализа японских сообщений в соцсетях, включая короткие тексты и публикации с эмодзи и хештегами. Архитектура — BERT для классификации последовательностей, 137,8 млн параметров; максимальный контекст — 512 токенов. Использовать можно через Transformers pipeline для классификации текста.

Модель распространяется по лицензии Apache-2.0. Её специализация на японских сообщениях Twitter и обучающем наборе JTS1k ограничивает основания для переноса результатов на другие языки, платформы и типы текстов; README не приводит метрик качества.

Сценарии применения

определение тональности японских твитов
мониторинг положительных и отрицательных отзывов в японских соцсетях
анализ реакции аудитории на публикации на японском языке
классификация коротких японских сообщений с эмодзи и хештегами

Ограничения

Модель специализирована на японских сообщениях Twitter и обучена на JTS1k без примеров со смешанной тональностью, поэтому её качество на других языках, платформах и неоднозначных текстах может отличаться. В карточке не приведены метрики качества.

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT for Sentiment Analysis of Japanese Twitter

This model was finetuned from BERT for Japanese Twitter, which was adapted from Japanese BERT by Tohoku NLP by continuing MLM on a Twitter corpus.

It used Japanese Twitter Sentiment 1k (JTS1k) for finetuning, omitting the mixed examples.

Labels

0 -> Negative; 1 -> Neutral; 2 -> Positive

Example Pipeline

from transformers import pipeline
sentiment = pipeline("sentiment-analysis", model="LoneWolfgang/bert-for-japanese-twitter-sentiment")
sentiment ("こちらのカフェ、サービスが残念でした。二度と行かないかな…😞 #がっかり")

[{'label': 'negative', 'score': 0.8242}]

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: BertForSequenceClassification
Ревизия весов: 81e5f6f