Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 23 июл 2026

Ссылки

Hugging Face

distilbert-finetuned-emotion

Sapolas0730

Классификация текстаТекст → label4 профессии

Дообученная модель DistilBERT для классификации текста по эмоциональным категориям.

9скачиваний за 30 дней0лайковвеса обновлены23 июл 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

Sapolas0730/distilbert-finetuned-emotion — модель классификации текста на основе DistilBERT, дообученная автором репозитория на наборе данных, который в карточке не назван. Она предназначена для определения эмоциональной категории текста. На указанной автором оценочной выборке модель показала accuracy 0,9255 и F1 0,9252 при loss 0,2192; описание не уточняет состав классов, датасет и методику оценки.

Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метки классов. Базовая модель — distilbert/distilbert-base-uncased; максимальный контекст составляет 512 токенов. Лицензия — Apache-2.0.

Сценарии применения

определение эмоциональной окраски короткого текста
автоматическая разметка эмоций в отзывах
классификация эмоционального тона сообщений
анализ эмоциональной окраски пользовательских комментариев

Ограничения

В карточке не названы обучающий датасет и набор эмоциональных классов, поэтому область применимости метрик и качество на других данных оценить нельзя. Контекст ограничен 512 токенами.

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 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-finetuned-emotion

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

Loss: 0.2192
Accuracy: 0.9255
F1: 0.9252

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: 64
eval_batch_size: 64
seed: 42
optimizer: Use adamw_torch_fused with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.8425	1.0	250	0.3196	0.912	0.9112
0.2582	2.0	500	0.2192	0.9255	0.9252

Framework versions

Transformers 5.13.0
Pytorch 2.11.0+cu130
Datasets 5.0.0
Tokenizers 0.22.2

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: DistilBertForSequenceClassification
Ревизия весов: 999a4ee