Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 18 июн 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

aimanabdulmanan

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель для классификации текста по эмоциональной окраске.

9скачиваний за 30 дней0лайковвеса обновлены18 июн 2026

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

aimanabdulmanan/distilbert-base-uncased-finetuned-emotion — модель классификации текста на основе DistilBERT, дообученная разработчиком aimanabdulmanan для распознавания эмоций. Она принимает текст и относит его к эмоциональным классам; набор меток и обучающие данные в карточке не описаны. Архитектура — DistilBertForSequenceClassification, формат весов — safetensors, максимальная длина контекста — 512 токенов. В README приведены результаты оценки: accuracy 0,927 и F1 0,9269; датасет и подробности оценки не указаны.

Модель подходит для автоматической разметки эмоциональной окраски коротких текстов, например сообщений и отзывов. Базовая модель — distilbert/distilbert-base-uncased, лицензия — Apache-2.0. Англоязычная базовая модель рассчитана на текст на английском языке; качество распознавания эмоций вне языка и условий оценки не подтверждено.

Сценарии применения

определение эмоций в коротких сообщениях
разметка тональности отзывов по эмоциональным категориям
анализ эмоциональной окраски комментариев
автоматическая категоризация пользовательских текстов по эмоциям

Ограничения

Карточка не сообщает названия эмоциональных классов, обучающий датасет и детали протокола оценки. Результаты для языков и текстов, отличающихся от оценочного набора, не приведены.

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 an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2136
Accuracy: 0.927
F1: 0.9269

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: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.8208	1.0	250	0.3091	0.9085	0.9082
0.2488	2.0	500	0.2136	0.927	0.9269

Framework versions

Transformers 4.52.4
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.21.4

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 1c1dda3