Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Библиотека: transformers
Опубликована: 26 июн 2026

Ссылки

news-classifier

Классификация текстаТекст → label6 профессий

Модель на базе DistilBERT распределяет новостные статьи по четырём категориям: мировые новости, спорт, бизнес и наука и технологии.

10скачиваний за 30 дней0лайковвеса обновлены27 июн 2026

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

SAIRA NASEEM разработала модель классификации новостных статей на базе DistilBERT. Она относит текст к одной из четырёх категорий: мировые новости, спорт, бизнес или наука и технологии. Модель предназначена для автоматической разметки новостных материалов и построения тематических лент или архивов.

Модель дообучена на наборе AG News и использует архитектуру DistilBertForSequenceClassification. Для входа она принимает текст; максимальная длина контекста — 512 токенов. В README указаны accuracy 91,25%, F1 91,23% и precision 91,44%. Лицензия в предоставленных данных не указана.

Сценарии применения

классификация новостных статей по темам
автоматическая разметка новостной ленты
сортировка новостей по категориям
тематическая организация архива новостей

Ограничения

Модель рассчитана на четыре категории из набора AG News и может хуже работать на темах или стилях новостей, отличающихся от обучающих данных. Контекст ограничен 512 токенами.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

News Topic Classifier

Model Description

This model classifies news articles into 4 categories using DistilBERT.

Developed by: SAIRA NASEEM

Model type: Text Classification

Base Model: distilbert-base-uncased

Dataset: AG News (fancyzhx/ag_news)

Results

Metric	Score
Accuracy	91.25%
F1-Score	91.23%
Precision	91.44%
Recall	91.25%

How to Use

from transformers import pipeline classifier = pipeline("text-classification", model="SAIRANaseem/news-classifier") result = classifier("Your news text here") print(result)

Classes

LABEL_0: World
LABEL_1: Sports
LABEL_2: Business
LABEL_3: Sci/Tech

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: DistilBertForSequenceClassification
Ревизия весов: 9540631