/ Модель
Каталог

Характеристики

Контекст
514 токенов
Параметры
305 млн
Архитектура
xlm-roberta · dense
Опубликована
21 мая 2024

Ссылки

Hugging Face

Malay-Sentiment2

afiqlol
Классификация текстаТекст → label3 профессии

Дообученная XLM-RoBERTa для классификации тональности малайских текстов и публикаций.

11скачиваний за 30 дней0лайковвеса обновлены21 мая 2024

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

Malay-Sentiment2 — дообученная afiqlol модель XLM-RoBERTa для классификации тональности текстов на малайском языке. Она основана на citizenlab/twitter-xlm-roberta-base-sentiment-finetunned и использует архитектуру XLMRobertaForSequenceClassification; размер модели — 305,2 млн параметров, максимальный контекст — 514 токенов. Подходит для определения тональности коротких текстов и публикаций, в том числе в социальных сетях.

В README приведены результаты на оценочном наборе: accuracy 0,7578 и loss 0,5757. Датасет для дополнительного дообучения не назван, поэтому эти показатели нельзя напрямую переносить на другие тексты. Модель опубликована в формате safetensors; условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • Определение тональности малайских публикаций в соцсетях
  • Классификация отзывов на малайском языке
  • Анализ тональности коротких малайских сообщений

Ограничения

В README указана accuracy 0,7578 на оценочном наборе, но набор данных не описан, поэтому результат не гарантирует такое же качество на других текстах. Лицензия модели в предоставленных данных не указана.

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 594моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.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

Malay-Sentiment2

This model is a fine-tuned version of citizenlab/twitter-xlm-roberta-base-sentiment-finetunned on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5757
  • Accuracy: 0.7578

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: 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: 1

Training results

Training LossEpochStepValidation LossAccuracy
0.70661.07230.57570.7578

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.1+cpu
  • Datasets 2.14.5
  • Tokenizers 0.15.0

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
XLMRobertaForSequenceClassification
Ревизия весов
fa400f2

0 моделей

    Создать бенчмарк