Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 30 июл 2026

Ссылки

Hugging Face

Sentiment_analysis_finetuning

Nijil001

Классификация текстаТекст → label3 профессии

Дообученная на базе DistilBERT модель классифицирует текст по тональности.

15скачиваний за 30 дней0лайковвеса обновлены30 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

Nijil001/Sentiment_analysis_finetuning — модель классификации текста, дообученная на базе distilbert/distilbert-base-uncased. Она предназначена для анализа тональности текста. В README приведены результаты на наборе оценки: accuracy 0,8733 и F1 0,8766; размер набора и состав классов не описаны. Модель использует архитектуру DistilBERT с классификационной головой, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов.

Модель опубликована в формате Safetensors и доступна по лицензии Apache-2.0. В README не приведены сведения о датасете, языках, целевых сценариях и известных ограничениях, поэтому результаты нельзя уверенно переносить на другие данные.

Сценарии применения

определение тональности короткого текста
классификация отзывов по тональности
анализ эмоциональной окраски комментариев

Ограничения

Датасет, языки и набор классов не описаны; оценочные метрики приведены без сведений о размере и составе выборки. Контекст ограничен 512 токенами.

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Sentiment_analysis_finetuning

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

Loss: 0.3359
Accuracy: 0.8733
F1: 0.8766

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: 16
eval_batch_size: 16
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: 2

Training results

Framework versions

Transformers 5.14.1
Pytorch 2.11.0+cu128
Datasets 5.0.1
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: DistilBertForSequenceClassification
Ревизия весов: 54bdf36