Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 22 мая 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

Nanatan

Классификация текстаТекст → label4 профессии

Дообученная DistilBERT-модель для классификации эмоций в тексте.

13скачиваний за 30 дней0лайковвеса обновлены22 мая 2022

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

Nanatan/distilbert-base-uncased-finetuned-emotion — модель классификации текста на основе DistilBERT, дообученная на датасете emotion. Она предназначена для определения эмоций в тексте и может применяться, например, для анализа эмоциональной окраски коротких сообщений. На тестовой выборке указаны accuracy и F1 по 0,9215, loss 0,2169; длина контекста — до 512 токенов. Модель использует архитектуру DistilBertForSequenceClassification и опубликована в формате PyTorch под лицензией Apache-2.0. Карточка не уточняет набор классов эмоций и языковой состав обучающих данных.

Сценарии применения

определение эмоций в коротких сообщениях
анализ эмоциональной окраски отзывов
классификация эмоциональных реплик в диалогах

Ограничения

Карточка не приводит перечень классов эмоций и сведения о языках данных. Результаты оценки относятся к указанной выборке и не гарантируют аналогичного качества на других текстах.

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

distilbert-base-uncased-finetuned-emotion

This model is a fine-tuned version of distilbert-base-uncased on the emotion dataset. It achieves the following results on the evaluation set:

Loss: 0.2169
Accuracy: 0.9215
F1: 0.9215

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.798	1.0	250	0.3098	0.899	0.8956
0.2422	2.0	500	0.2169	0.9215	0.9215

Framework versions

Transformers 4.19.2
Pytorch 1.11.0+cu113
Datasets 2.2.2
Tokenizers 0.12.1

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: DistilBertForSequenceClassification
Ревизия весов: 5de7035