Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense

Ссылки

Hugging Face

presentation_emotion_31415

aXhyra

Классификация текстаТекст → label3 профессии

Дообученная на tweet_eval модель DistilBERT для классификации коротких текстов, включая сообщения из Twitter.

19скачиваний за 30 дней0лайковвеса обновлены15 дек 2021

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

presentation_emotion_31415 — модель классификации текста на базе DistilBERT, дообученная разработчиком aXhyra на наборе tweet_eval. Она предназначена для отнесения коротких текстов, в частности сообщений из Twitter, к категориям классификации. В README приведён результат F1 0,7149 на оценочной выборке; модель использует архитектуру DistilBertForSequenceClassification, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch.

Модель доступна по лицензии Apache-2.0. Карточка не раскрывает точный набор меток и подробности обучения, поэтому качество для других данных и конкретных прикладных сценариев оценить нельзя.

Сценарии применения

классификация коротких сообщений из Twitter
автоматическая разметка текстов по категориям
оценка тональности или эмоциональной окраски сообщений при совпадении меток задачи

Ограничения

README не сообщает точные классы и подробности обучения. F1 0,7149 приведён только для оценочной выборки tweet_eval; качество на других данных не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

presentation_emotion_31415

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

Loss: 1.1243
F1: 0.7149

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: 5.18796906442746e-05
train_batch_size: 8
eval_batch_size: 8
seed: 31415
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 4

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.73	1.0	408	0.8206	0.6491
0.3868	2.0	816	0.7733	0.7230
0.0639	3.0	1224	0.9962	0.7101
0.0507	4.0	1632	1.1243	0.7149

Framework versions

Transformers 4.12.5
Pytorch 1.9.1
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: 819c619