Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 7 сен 2026

Ссылки

Hugging Face

movie-sentiment-roberta-best

ausjahk

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa для определения тональности отзывов и других текстов о фильмах.

23скачиваний за 30 дней0лайковвеса обновлены7 сен 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

ausjahk/movie-sentiment-roberta-best — модель классификации текста на базе RoBERTa, дообученная автором репозитория на наборе данных, название которого в карточке не раскрыто. Она предназначена для анализа тональности текстов о фильмах. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов.

На указанном в карточке наборе оценки модель получила accuracy 0,9385 и F1 0,9393. Эти результаты характеризуют только приведённую оценку; сведения о составе классов и методике оценки не приведены. Модель распространяется под лицензией MIT.

Сценарии применения

определение тональности отзыва о фильме
разметка отзывов зрителей на положительные и отрицательные
анализ эмоциональной окраски обсуждений кино
автоматическая классификация текстов о фильмах по тональности

Ограничения

README не сообщает названия и состав обучающего набора данных, классы классификации и подробности оценки; приведённые метрики нельзя автоматически переносить на другие данные. Ограничение контекста — 514 токенов.

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 938моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.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

movie-sentiment-roberta-best

This model is a fine-tuned version of roberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.3339
Accuracy: 0.9385
F1: 0.9393

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.3117	1.0	2250	0.2278	0.929	0.9283
0.2771	2.0	4500	0.3540	0.9195	0.9165
0.0825	3.0	6750	0.3339	0.9385	0.9393

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.23.1

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: RobertaForSequenceClassification
Ревизия весов: a0fd60e