/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-uncased
Библиотека
transformers
Опубликована
22 июл 2026

Ссылки

Hugging Face

bert-finetuned-imdb

ankitanand9
Классификация текстаТекст → label3 профессии

Дообученная BERT-модель для определения тональности отзывов о фильмах.

9скачиваний за 30 дней0лайковвеса обновлены22 июл 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

ankitanand9/bert-finetuned-imdb — модель классификации текста на основе BERT, дообученная автором репозитория от google-bert/bert-base-uncased. Она предназначена для классификации отзывов о фильмах по тональности и может использоваться для автоматического определения положительной или отрицательной оценки отзыва. Модель содержит 136,7 млн параметров, принимает текстовые последовательности длиной до 512 токенов и сохранена в формате safetensors; для работы используется библиотека Transformers.

В README приведены результаты оценки: accuracy 0,915 и F1 0,9157, однако набор данных обозначен как неизвестный, а подробности обучения и ограничений не раскрыты. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • Определение положительной или отрицательной тональности отзыва о фильме
  • Автоматическая сортировка отзывов на положительные и отрицательные
  • Подсчёт доли положительных отзывов в наборе текстов

Ограничения

Данные обучения не раскрыты, поэтому приведённые метрики нельзя уверенно переносить на другие наборы отзывов. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594моделиIII.1Корпоративные функцииСтратегия, продукт и бизнес-моделиAI помогает принимать продуктовые и стратегические решения на основе свидетельств, а не только интуиции.19 задач2 459моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-imdb

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

  • eval_loss: 0.2293
  • eval_model_preparation_time: 0.0012
  • eval_accuracy: 0.915
  • eval_f1: 0.9157
  • eval_runtime: 7.8548
  • eval_samples_per_second: 636.551
  • eval_steps_per_second: 79.569
  • step: 0

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: 32
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 2

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.13.0+cu130
  • Datasets 2.21.0
  • Tokenizers 0.19.1

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
BertForSequenceClassification
Ревизия весов
fcdf4b9

0 моделей

    Создать бенчмарк