Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 19 мая 2022

Ссылки

Hugging Face

sentiment-analysis-model-for-socialmedia

Remicm

Классификация текстаТекст → label3 профессии

Классификатор на базе DistilBERT для определения тональности текста, дообученный на отзывах IMDB.

8скачиваний за 30 дней5лайковвеса обновлены19 мая 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

Remicm/sentiment-analysis-model-for-socialmedia — классификатор текста на базе DistilBERT, дообученный на датасете IMDB для определения тональности отзывов. Модель принимает текст и относит его к классам тональности; в README указаны accuracy 0,9297 и F1 0,9299 на оценочной выборке.

Модель использует архитектуру DistilBertForSequenceClassification и формат PyTorch. Контекст составляет 512 токенов. Лицензия — Apache-2.0. Несмотря на название, обучение описано на отзывах IMDB, поэтому применимость к сообщениям из социальных сетей отдельно не подтверждена.

Сценарии применения

определение тональности отзывов о фильмах
разметка отзывов на положительные и отрицательные
автоматическая сортировка текстовых отзывов по тональности

Ограничения

Обучение проведено на датасете IMDB, поэтому качество на коротких сообщениях из социальных сетей и других жанрах текста не подтверждено. 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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sentiment-analysis-model-for-socialmedia

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: 0.2368
Accuracy: 0.9297
F1: 0.9299

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 4.19.2
Pytorch 1.11.0+cu113
Datasets 2.2.1
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: d683738