Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 6 июл 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

aatmasidha

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель классифицирует текст по эмоциональным категориям.

15скачиваний за 30 дней1лайквеса обновлены19 авг 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

aatmasidha/distilbert-base-uncased-finetuned-emotion — модель классификации текста, созданная дообучением distilbert-base-uncased. Она предназначена для определения эмоциональной категории текста и выдаёт метку класса. В README указаны результаты на тестовой выборке: accuracy 0,923 и F1 0,923; датасет и состав классов не раскрыты.

Модель использует архитектуру DistilBertForSequenceClassification, работает с текстом на входе и рассчитана на контекст до 512 токенов. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Поскольку обучающий датасет и набор эмоциональных меток не описаны, качество и применимость результатов за пределами указанной оценки трудно определить.

Сценарии применения

определение эмоциональной окраски коротких текстов
классификация эмоций в сообщениях пользователей
анализ отзывов по эмоциональным категориям

Ограничения

В README не названы обучающий датасет и категории эмоций, поэтому нельзя оценить охват классов и переносимость метрик на другие данные. Указанные accuracy и F1 относятся только к неописанной тестовой выборке.

Для каких профессий подходит3

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 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

distilbert-base-uncased-finetuned-emotion

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

Loss: 0.2189
Accuracy: 0.923
F1: 0.9230

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
0.8077	1.0	251	0.3160	0.9065	0.9051
0.2462	2.0	502	0.2189	0.923	0.9230

Framework versions

Transformers 4.13.0
Pytorch 1.12.1+cu113
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: 8952732