/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Архитектура
xlm-roberta · dense
Базовая модель
twitter-xlm-roberta-base-sentiment
Библиотека
transformers
Опубликована
18 июл 2026

twitter-xlm-roberta-base-sentiment-fast

Классификация текстаТекст → label4 профессии

Многоязычная XLM-RoBERTa-модель для определения отрицательной, нейтральной или положительной тональности твитов и коротких текстов.

18скачиваний за 30 дней0лайковвеса обновлены19 июл 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

NetworkIsLife/twitter-xlm-roberta-base-sentiment-fast — копия модели Cardiff NLP для классификации тональности сообщений в соцсетях и коротких текстов. Основа — XLM-RoBERTa с архитектурой XLMRobertaForSequenceClassification и 305,2 млн параметров; модель принимает текст и относит его к одному из трёх классов: Negative, Neutral или Positive. Контекст составляет до 514 токенов.

Веса побайтно совпадают с cardiffnlp/twitter-xlm-roberta-base-sentiment. Дополнительно репозиторий содержит tokenizer.json, созданный для загрузки быстрого токенизатора без проблем конвертации SentencePiece в Transformers v5; по карточке, токенизатор выдаёт те же идентификаторы токенов, что и исходный медленный токенизатор. Поддерживается многоязычный ввод. Модель предназначена, в частности, для анализа тональности твитов и коротких сообщений.

Для работы доступны веса PyTorch, SafeTensors и TensorFlow. Лицензия в предоставленных данных не указана. Классы ограничены отрицательной, нейтральной и положительной тональностью; точность для отдельных языков и типов текста в карточке не приведена.

Сценарии применения

  • Определение тональности публикаций в Twitter и X
  • Классификация коротких сообщений как отрицательных, нейтральных или положительных
  • Анализ тональности многоязычных постов в соцсетях

Ограничения

Модель выдаёт только три класса тональности, поэтому не описывает более тонкие эмоции или аспекты текста. В предоставленных данных нет оценки качества по отдельным языкам и типам сообщений.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

twitter-xlm-roberta-base-sentiment-fast

This is an exact copy of cardiffnlp/twitter-xlm-roberta-base-sentiment with one addition: a prebuilt tokenizer.json.

Why this exists

The original repository ships only a SentencePiece tokenizer (sentencepiece.bpe.model) and no tokenizer.json. On transformers v5, loading the tokenizer forces an on-the-fly SentencePiece → fast conversion, which currently fails for XLM-RoBERTa and raises:

ValueError: Error parsing line b'\x0e' in .../sentencepiece.bpe.model

(or, on some late 4.x releases, AttributeError: 'NoneType' object has no attribute 'endswith' from the tekken.json conversion branch).

This copy includes a tokenizer.json generated with transformers 4.44.2, so v5 loads the tokenizer directly and never runs the broken conversion. The tokenizer is verified to produce identical token ids to the original slow tokenizer.

The model weights are byte-for-byte the same as the original.

Usage

from transformers import pipeline

clf = pipeline(
    task="sentiment-analysis",
    model="NetworkIsLife/twitter-xlm-roberta-base-sentiment-fast",
    tokenizer="NetworkIsLife/twitter-xlm-roberta-base-sentiment-fast",
)
clf("T'estimo!")
# [{'label': 'Positive', 'score': 0.66...}]

Or load the pieces directly:

from transformers import AutoTokenizer, AutoModelForSequenceClassification

repo = "NetworkIsLife/twitter-xlm-roberta-base-sentiment-fast"
tok = AutoTokenizer.from_pretrained(repo)
mdl = AutoModelForSequenceClassification.from_pretrained(repo)

Labels

idlabel
0Negative
1Neutral
2Positive

Credit and license

All credit for the model goes to the original authors at Cardiff NLP. This repo only adds a tokenizer file for compatibility. Please cite the original work:

@inproceedings{barbieri-etal-2022-xlm,
    title     = "{XLM}-{T}: Multilingual Language Models in {T}witter for Sentiment Analysis and Beyond",
    author    = "Barbieri, Francesco and Espinosa Anke, Luis and Camacho-Collados, Jose",
    booktitle = "Proceedings of the Thirteenth Language Resources and Evaluation Conference",
    year      = "2022",
    address   = "Marseille, France",
    publisher = "European Language Resources Association",
    url       = "https://aclanthology.org/2022.lrec-1.27",
    pages     = "258--266",
}

License: this copy inherits whatever license applies to the original cardiffnlp/twitter-xlm-roberta-base-sentiment. Set the license: field in the frontmatter above to match it before relying on this repo.

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
XLMRobertaForSequenceClassification
Ревизия весов
41868ae

0 моделей