/ Модель
Каталог

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
3 июн 2022

Ссылки

Hugging Face

roberta_fine_tuned_sentiment_newsmtsc

RogerKam
Классификация текстаТекст → label3 профессии

Дообученная RoBERTa для классификации тональности текстов, ориентированная на новостные данные.

227скачиваний за 30 дней0лайковвеса обновлены9 июн 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

RogerKam/roberta_fine_tuned_sentiment_newsmtsc — модель RoBERTa для классификации текста, дообученная автором репозитория на базе roberta-base. Она предназначена для определения тональности текста; название репозитория указывает на новости и аспекты, однако README не описывает метки и точную схему классификации. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов. Для проверки приведены результаты на оценочной выборке: accuracy 0,7713 и F1 0,7710.

Модель подходит для автоматической разметки тональности коротких текстов и анализа новостных высказываний. README не раскрывает состав обучающих данных, метки классов и ограничения применения, поэтому переносить результаты на другие типы текстов следует с проверкой. Лицензия — MIT.

Сценарии применения

  • определение тональности новостных текстов
  • классификация отзывов по тональности после проверки на целевых данных
  • автоматическая разметка текстов для анализа мнений

Ограничения

README не уточняет набор меток, язык и состав обучающих данных; приведённые метрики относятся только к оценочной выборке и не гарантируют качество на других доменах.

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 594моделиI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta_fine_tuned_sentiment_newsmtsc

This model is a fine-tuned version of roberta-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6134
  • Accuracy: 0.7713
  • F1 Score: 0.7710

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: 8
  • eval_batch_size: 8
  • 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 1.10.0+cu111
  • Datasets 2.2.2
  • 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
RobertaForSequenceClassification
Ревизия весов
a34ebe6

0 моделей

    Создать бенчмарк