Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 20 апр 2022

Ссылки

Hugging Face

finetuning-sentiment-model-3000-samples

PDM

Классификация текстаТекст → label3 профессии

Модель на базе DistilBERT классифицирует текстовые отзывы по тональности, прежде всего отзывы о фильмах из IMDb.

49скачиваний за 30 дней0лайковвеса обновлены22 апр 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

PDM/finetuning-sentiment-model-3000-samples — модель классификации текста на базе DistilBERT, дообученная на датасете IMDb для анализа тональности отзывов. Она принимает текст и относит его к одному из классов тональности. В README указаны результаты на оценочной выборке: accuracy 0,8733 и F1 0,8742; архитектура — DistilBertForSequenceClassification, максимальный контекст — 512 токенов.

Модель подходит для автоматической классификации отзывов о фильмах и других похожих текстов на положительные и отрицательные. Она разработана на основе distilbert-base-uncased и распространяется по лицензии Apache-2.0. Карточка не описывает ограничения применения и детали обучающего набора сверх указания IMDb.

Сценарии применения

определение положительной или отрицательной тональности отзыва о фильме
автоматическая сортировка отзывов IMDb по оценочной тональности
анализ тональности англоязычных пользовательских отзывов

Ограничения

Контекст ограничен 512 токенами; оценка качества приведена только для оценочной выборки IMDb, поэтому перенос на другие типы текстов не подтверждён.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели 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

finetuning-sentiment-model-3000-samples

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

Loss: 0.3061
Accuracy: 0.8733
F1: 0.8742

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

Training results

Framework versions

Transformers 4.18.0
Pytorch 1.11.0+cu113
Datasets 2.1.0
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: aa5d883