Характеристики

Контекст: 512 токенов
Параметры: 162 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Библиотека: transformers
Опубликована: 13 мар 2024

Ссылки

Hugging Face

AraBert-Arabic-Sentiment-Analysis

PRAli22

Классификация текстаТекст → label4 профессии

Дообученная AraBERT-модель для классификации тональности арабских текстов.

621скачиваний за 30 дней5лайковвеса обновлены13 мар 2024

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

PRAli22/AraBert-Arabic-Sentiment-Analysis — модель классификации текста на основе AraBERT, дообученная для анализа тональности на неизвестном наборе данных. Она предназначена для определения тональности арабских текстов; архитектура — BERT для классификации последовательностей, размер — 162,4 млн параметров, максимальный контекст — 512 токенов. На оценочном наборе указаны Macro F1 0,6543 и точность 0,8003. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

определение тональности арабских отзывов
анализ настроений в сообщениях на арабском языке
классификация тональности комментариев на арабском языке

Ограничения

Набор данных для дообучения не указан. На оценочном наборе Macro F1 составляет 0,6543, поэтому качество может зависеть от тематики и распределения данных.

Для каких профессий подходит4

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 IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AraBert-Arabic-Sentiment-Analysis

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

Loss: 0.5327
Macro F1: 0.6543
Accuracy: 0.8003

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: 128
seed: 25
gradient_accumulation_steps: 2
total_train_batch_size: 32
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	Macro F1	Accuracy
No log	1.0	497	0.5337	0.6219	0.7967
0.6177	2.0	994	0.5327	0.6543	0.8003

Framework versions

Transformers 4.38.2
Pytorch 2.1.0+cu121
Tokenizers 0.15.2

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: BertForSequenceClassification
Ревизия весов: eb0ec2d