/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-multilingual-cased
Библиотека
transformers
Опубликована
20 июн 2026

sentiment-distilbert-multilingual-5class

Классификация текстаТекст → label3 профессии

Многоязычная модель DistilBERT для классификации текста по пяти классам тональности.

9скачиваний за 30 дней0лайковвеса обновлены20 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

Shikov971/sentiment-distilbert-multilingual-5class — дообученная многоязычная модель семейства DistilBERT для классификации текста на пять классов тональности. Она использует архитектуру DistilBertForSequenceClassification и предназначена для определения тональности текста в сценариях анализа отзывов, сообщений и других текстовых высказываний. Модель построена на distilbert/distilbert-base-multilingual-cased и принимает текст; максимальная длина контекста — 512 токенов.

В оценке на тестовой выборке модель показала accuracy 0,375 и F1 0,3804, поэтому качество классификации может быть ограниченным. Датасет обучения и соответствие пяти классов в карточке не раскрыты. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • определение тональности отзывов
  • анализ эмоциональной окраски сообщений
  • классификация комментариев по тональности

Ограничения

На оценочной выборке accuracy составила 0,375, а F1 — 0,3804, что указывает на ограниченное качество. Датасет обучения и значения пяти классов не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sentiment-distilbert-multilingual-5class

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

  • Loss: 1.5419
  • Accuracy: 0.375
  • Precision: 0.4133
  • Recall: 0.37
  • F1: 0.3804

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: Use OptimizerNames.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: 8

Training results

Training LossEpochStepValidation LossAccuracyPrecisionRecallF1
1.60711.071.60860.21740.04350.20.0714
1.58802.0141.60530.21740.05260.20.0833
1.56693.0211.59930.21740.14710.21000.1394
1.54834.0281.59490.21740.17830.240.2041
1.51145.0351.59050.26090.20670.28000.2305
1.47386.0421.58240.26090.26860.28000.26
1.45677.0491.57810.39130.49710.40.4000
1.45338.0561.57650.39130.49710.40.4000

Framework versions

  • Transformers 5.10.2
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • 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
a65764a

0 моделей