Характеристики

Контекст: 512 токенов
Параметры: 206 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: ruBert-base
Опубликована: 28 мая 2023

Ссылки

Hugging Face

ruBert-base-russian-emotion-detection

MaxKazak

Классификация текстаТекст → label4 профессии

Русскоязычная модель BERT определяет эмоции и нейтральную окраску в тексте по девяти меткам.

449скачиваний за 30 дней6лайковвеса обновлены11 сен 2023

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

MaxKazak подготовил русскоязычный классификатор эмоций, дообученный на базе ai-forever/ruBert-base на датасете Djacon/ru_goemotions. Это плотная модель BERT с головой классификации последовательностей; она принимает текст и оценивает вероятности девяти меток: радость, интерес, удивление, грусть, гнев, отвращение, страх, вина и нейтральное состояние.

Модель подходит для анализа эмоциональной окраски русскоязычных сообщений, отзывов и других коротких текстов. В README приведены результаты оценки: средний AUC вероятностей на тесте 0,9095 и средний F1-macro 0,7781; качество различается между метками. Контекст модели — до 512 токенов. Веса доступны в форматах PyTorch и safetensors по лицензии Apache-2.0.

Сценарии применения

определение эмоций в русскоязычных сообщениях
анализ эмоциональной окраски отзывов
выявление гнева, грусти или радости в обращениях пользователей
разметка текстов по нескольким эмоциональным категориям

Ограничения

Модель обучена на датасете ru_goemotions, поэтому качество может снижаться на текстах и формулировках, отличающихся от обучающих данных. Метрики в README получены на конкретном тестовом наборе и различаются между классами.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель 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

ruBert-base-russian-emotions-classifier-goEmotions

This model is a fine-tuned version of ai-forever/ruBert-base on Djacon/ru_goemotions. It achieves the following results on the evaluation set (2nd epoch):

Loss: 0.2088
AUC: 0.9240

The quality of the predicted probabilities on the test dataset is the following:

label	joy	interest	surpise	sadness	anger	disgust	fear	guilt	neutral	average
AUC	0.9369	0.9213	0.9325	0.8791	0.8374	0.9041	0.9470	0.9758	0.8518	0.9095
F1-micro	0.9528	0.9157	0.9697	0.9284	0.8690	0.9658	0.9851	0.9875	0.7654	0.9266
F1-macro	0.8369	0.7922	0.7561	0.7392	0.7351	0.7356	0.8176	0.8247	0.7650	0.7781

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	AUC
0.1755	1.0	1685	0.1717	0.9220
0.1391	2.0	3370	0.1757	0.9240
0.0899	3.0	5055	0.2088	0.9106

Framework versions

Transformers 4.24.0
Pytorch 2.0.1
Datasets 2.12.0
Tokenizers 0.11.0

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: BertForSequenceClassification
Ревизия весов: 6121b9e