Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: bert-base-spanish-wwm-cased
Библиотека: transformers
Опубликована: 24 июн 2026

Ссылки

Hugging Face

beto-tass-sentiment

Lucyan85

Классификация текстаТекст → label

Дообученная испаноязычная BERT-модель для классификации текста и определения его тональности.

8скачиваний за 30 дней0лайковвеса обновлены24 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

Lucyan85/beto-tass-sentiment — испаноязычная модель классификации текста, созданная дообучением dccuchile/bert-base-spanish-wwm-cased. Она предназначена для определения тональности текста на испанском языке. Модель построена на архитектуре BERT и содержит 137,1 млн параметров; максимальный контекст составляет 512 токенов.

В оценке на тестовом наборе указаны accuracy 0,6649 и F1 0,6593. Датасет обозначен в README как None, поэтому результаты и пригодность модели для конкретных типов текстов следует проверять на собственных данных. Лицензия в предоставленных сведениях не указана.

Сценарии применения

определение тональности испанских отзывов
анализ настроений в публикациях на испанском языке
классификация испаноязычных пользовательских комментариев

Ограничения

В README указаны accuracy 0,6649 и F1 0,6593; применимость к конкретным данным требует проверки. Описание датасета и лицензия в предоставленных источниках отсутствуют.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

beto-tass-sentiment

This model is a fine-tuned version of dccuchile/bert-base-spanish-wwm-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.5506
Accuracy: 0.6649
F1: 0.6593

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: 32
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
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
1.5938	1.0	121	1.5515	0.6649	0.6590
1.2131	2.0	242	1.5802	0.6504	0.6531
0.8319	3.0	363	1.8161	0.6420	0.6455

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 4.8.5
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: BertForSequenceClassification
Ревизия весов: 64ed53f