Многоязычная модель на базе mDeBERTa-v3 определяет одну из шести эмоций в тексте.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
VivekMalipatel23 дообучил многоязычную mDeBERTa-v3-base на наборе Text_emotions для классификации текста по шести эмоциям: печаль, радость, любовь, гнев, страх и удивление. Модель построена на архитектуре DeBERTa V2, содержит 306 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Она предназначена для определения эмоциональной окраски текста на поддерживаемых языках.
Модель можно применять для разметки эмоций в сообщениях, отзывах и других коротких текстах. Указана лицензия MIT. Карточка не сообщает о качестве модели на отдельных языках и доменах, поэтому перед использованием в критичных сценариях её следует оценить на собственных данных.
Карточка не приводит метрики качества или оценку по отдельным языкам. Модель классифицирует только шесть указанных эмоций, поэтому её метки не охватывают все возможные эмоциональные состояния.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Multilingual mDeBERTa base model fineted on Text_emotions dataset.
Dataset link : https://www.kaggle.com/datasets/nelgiriyewithana/emotions/data
Finetuned for classifying text into sadness (0) joy (1) love (2) anger (3) fear (4) and surprise (5) emotions.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · text-classification
Подбираем GPU…