Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 13 апр 2022

Ссылки

Hugging Face

distilbert-base-multilingual-cased-finetuned-emotion

Toshifumi

Классификация текстаТекст → label5 профессий

Мультиязычная модель DistilBERT для классификации эмоций в тексте.

27скачиваний за 30 дней1лайквеса обновлены13 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

Toshifumi разработал эту модель, дообучив distilbert-base-multilingual-cased для классификации эмоций в тексте на наборе данных emotion. Это компактная модель семейства DistilBERT с архитектурой DistilBertForSequenceClassification; она принимает текст и присваивает ему эмоциональную метку. Длина контекста — до 512 токенов.

На тестовой выборке указаны accuracy 0,8885 и F1 0,8888. Модель подходит для автоматической разметки коротких текстов и анализа пользовательских высказываний. Лицензия — Apache-2.0. Карточка не уточняет набор эмоциональных классов и языки, на которых модель проверялась, поэтому качество для конкретных языков и доменов следует оценивать отдельно.

Сценарии применения

определение эмоциональной окраски отзывов
разметка эмоций в сообщениях пользователей
анализ тональности комментариев по эмоциональным категориям

Ограничения

Карточка не перечисляет эмоциональные классы и языки, на которых проверялась модель; указанные метрики относятся к evaluation set набора emotion.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

I.7Речь, диалоги и встречи

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-multilingual-cased-finetuned-emotion

This model is a fine-tuned version of distilbert-base-multilingual-cased on the emotion dataset. It achieves the following results on the evaluation set:

Loss: 0.3702
Accuracy: 0.8885
F1: 0.8888

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
1.1646	1.0	250	0.6190	0.8085	0.7992
0.4536	2.0	500	0.3702	0.8885	0.8888

Framework versions

Transformers 4.11.3
Pytorch 1.10.0+cu111
Datasets 1.16.1
Tokenizers 0.10.3

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: c44daf3