Характеристики

Контекст: 512 токенов
Параметры: 205 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-multilingual-cased
Опубликована: 18 сен 2023

Ссылки

Hugging Face

bert-base-cased-Korean-sentiment

WhitePeak

Классификация текстаТекст → label3 профессии

Дообученная многоязычная BERT-модель для классификации тональности корейских отзывов покупателей.

1 323скачиваний за 30 дней15лайковвеса обновлены19 сен 2023

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

WhitePeak/bert-base-cased-Korean-sentiment — модель для анализа тональности отзывов покупателей на корейском языке, созданная дообучением многоязычной модели BERT google-bert/bert-base-multilingual-cased. Она использует архитектуру BertForSequenceClassification и предназначена для классификации текста отзыва по тональности. В README указаны результаты оценки: accuracy 0,9234 и F1 0,9238.

Модель содержит 205,1 млн параметров, работает с текстом и поддерживает контекст до 512 токенов. Для использования подходят сценарии анализа корейских отзывов о товарах и автоматической классификации мнений покупателей. Лицензия — Apache-2.0.

Сценарии применения

определение тональности отзывов о товарах на корейском языке
автоматическая сортировка корейских отзывов на положительные и отрицательные
анализ мнений покупателей в корейских интернет-магазинах

Ограничения

Модель ориентирована на тональность корейских отзывов покупателей, поэтому качество на других типах текстов и языках не установлено. Метрики приведены для оценочного набора; его состав и условия оценки не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.1Корпоративные функцииСтратегия, продукт и бизнес-моделиAI помогает принимать продуктовые и стратегические решения на основе свидетельств, а не только интуиции.19 задач2 459моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-cased-Korean-sentiment

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

Loss: 0.2338
Accuracy: 0.9234
F1: 0.9238

Model description

This is a fine-tuned model for a sentiment analysis for the Korean language based on customer reviews in the Korean language

Intended uses & limitations

from transformers import pipeline

sentiment_model = pipeline(model="WhitePeak/bert-base-cased-Korean-sentiment")
sentiment_mode("매우 좋아")

Result:

LABEL_0: negative
LABEL_1: positive

Training and evaluation data

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

Training results

Framework versions

Transformers 4.33.2
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.13.3

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: BertForSequenceClassification
Ревизия весов: 18a6666