Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Опубликована: 20 апр 2022

Ссылки

Hugging Face

SentimentAnalysisDistillBERT

Souvikcmsa

Классификация текстаТекст → label4 профессии

Дообученная DistilBERT-модель классифицирует английский текст по тональности.

127скачиваний за 30 дней1лайквеса обновлены20 апр 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

Souvikcmsa/SentimentAnalysisDistillBERT — модель для многоклассовой классификации текста по тональности, дообученная с помощью AutoTrain на наборе Souvikcmsa/autotrain-data-sentiment_analysis. Она использует архитектуру DistilBERT с классификационной головой и принимает текст длиной до 512 токенов. Валидационная точность составляет около 79,6%, а macro F1 — около 0,800.

Модель подходит для автоматической оценки тональности текстовых отзывов, комментариев и коротких сообщений на английском языке. Карточка показывает качество на валидации, однако не уточняет названия классов тональности и состав данных; результаты на других типах текстов могут отличаться. В метаданных указана библиотека PyTorch; лицензия не приведена.

Сценарии применения

Определение тональности отзывов клиентов
Классификация тональности комментариев в соцсетях
Анализ эмоциональной окраски коротких сообщений

Ограничения

Валидационная точность составляет около 79,6%, поэтому возможны ошибки классификации. Карточка не сообщает названия классов и лицензию модели.

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

Model Trained Using AutoTrain

Problem type: Multi-class Classification
Model ID: 762923432
CO2 Emissions (in grams): 0.015536746909294205

Validation Metrics

Loss: 0.49825894832611084
Accuracy: 0.7962895598399418
Macro F1: 0.7997458031044901
Micro F1: 0.7962895598399418
Weighted F1: 0.796365325858282
Macro Precision: 0.7995724418486833
Micro Precision: 0.7962895598399418
Weighted Precision: 0.7965384250324863
Macro Recall: 0.8000290112564951
Micro Recall: 0.7962895598399418
Weighted Recall: 0.7962895598399418

Usage

You can use cURL to access this model:

$ curl -X POST -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"inputs": "I love AutoTrain"}' https://api-inference.huggingface.co/models/Souvikcmsa/autotrain-sentiment_analysis-762923432

Or Python API:

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("Souvikcmsa/autotrain-sentiment_analysis-762923432", use_auth_token=True)

tokenizer = AutoTokenizer.from_pretrained("Souvikcmsa/autotrain-sentiment_analysis-762923432", use_auth_token=True)

inputs = tokenizer("I love AutoTrain", return_tensors="pt")

outputs = model(**inputs)

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: f4f1eed