Характеристики

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

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

abdelkader

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT для классификации эмоций в тексте.

17скачиваний за 30 дней0лайковвеса обновлены4 янв 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

Модель abdelkader/distilbert-base-uncased-finetuned-emotion — дообученная для классификации эмоций версия DistilBERT от автора репозитория abdelkader. Она предназначена для присвоения эмоциональных меток тексту; в README указаны результаты на наборе emotion: accuracy 0,9215 и F1 0,9216. Модель использует архитектуру DistilBertForSequenceClassification, веса PyTorch и контекст до 512 токенов.

Модель принимает текст и выдаёт классовую оценку, поэтому подходит для анализа эмоциональной окраски коротких текстовых фрагментов. Она дообучена на наборе emotion; язык этого набора и точный перечень меток в доступных сведениях не приведены. Лицензия — Apache-2.0. Результаты оценки относятся к указанному набору и сами по себе не гарантируют качество на других тематиках и языках.

Сценарии применения

определение эмоциональной окраски короткого сообщения
классификация эмоций в пользовательских отзывах
анализ эмоциональных реакций в комментариях

Ограничения

В карточке не перечислены классы эмоций и не уточнён язык обучающего набора, поэтому область языкового применения оценить нельзя. Метрики приведены только для evaluation set набора emotion и могут не отражать качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель 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 the emotion dataset. It achieves the following results on the evaluation set:

Loss: 0.2162
Accuracy: 0.9215
F1: 0.9216

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
0.8007	1.0	250	0.3082	0.907	0.9045
0.2438	2.0	500	0.2162	0.9215	0.9216

Framework versions

Transformers 4.15.0
Pytorch 1.10.0+cu111
Datasets 1.17.0
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: 8cf56c7