Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 3 сен 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-yelp-reviews

Ramamurthi

Классификация текстаТекст → label3 профессии

Дообученная на отзывах Yelp модель DistilBERT для классификации пользовательских текстов.

45скачиваний за 30 дней1лайквеса обновлены3 сен 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

Ramamurthi/distilbert-base-uncased-finetuned-yelp-reviews — модель классификации текста на базе DistilBERT, дообученная на наборе yelp_review_full. Она предназначена для классификации отзывов Yelp; карточка приводит результаты оценки: accuracy 0,6418 и F1 0,6425. Модель принимает текст, максимальная длина контекста — 512 токенов, формат весов — PyTorch. Лицензия — Apache-2.0. Подробности о классах предсказаний и ограничениях применения в карточке не раскрыты.

Сценарии применения

классификация отзывов Yelp
автоматическая категоризация пользовательских отзывов
анализ тональности отзывов как экспериментальная отправная точка

Ограничения

На тестовой оценке указаны accuracy 0,6418 и F1 0,6425, поэтому предсказания могут быть ненадёжны. Карточка не раскрывает схему классов и более подробные ограничения.

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 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 III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-yelp-reviews

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

Loss: 0.8288
Accuracy: 0.6418
F1: 0.6425

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: 32
eval_batch_size: 32
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
0.8991	1.0	1524	0.8396	0.6302	0.6294
0.754	2.0	3048	0.8288	0.6418	0.6425

Framework versions

Transformers 4.21.2
Pytorch 1.12.1+cu113
Datasets 2.4.0
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: d0de26e