Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense

Ссылки

Hugging Face

roberta-base-indonesian-sentiment-analysis-smsa

ayameRushia

Классификация текстаТекст → label4 профессии

Дообученная RoBERTa-модель для классификации тональности текстов на индонезийском языке.

563скачиваний за 30 дней0лайковвеса обновлены22 дек 2021

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 ayameRushia/roberta-base-indonesian-sentiment-analysis-smsa — дообученная на наборе данных IndoNLU модель RoBERTa для классификации тональности текста на индонезийском языке. Она основана на flax-community/indonesian-roberta-base и предназначена для определения эмоциональной окраски коротких текстов и сообщений. Архитектура — RobertaForSequenceClassification с 151,8 млн параметров; максимальная длина контекста составляет 514 токенов. В README указана точность 0,9349 на оценочной выборке.

Модель подходит для автоматического анализа отзывов, публикаций и сообщений на индонезийском языке. Доступна в формате PyTorch и распространяется по лицензии MIT. В карточке не описаны метки классов и методика оценки, поэтому результат и заявленную точность следует интерпретировать с учётом особенностей конкретного набора данных.

Сценарии применения

Определение тональности отзывов на индонезийском языке
Анализ эмоциональной окраски публикаций в соцсетях
Классификация отзывов о товарах и услугах
Мониторинг тональности пользовательских сообщений

Ограничения

В карточке не указаны классы тональности и подробности оценочной методики. Заявленная точность относится к оценочной выборке IndoNLU и не гарантирует такое же качество на других типах текстов.

Для каких профессий подходит4

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-indonesian-sentiment-analysis-smsa

This model is a fine-tuned version of flax-community/indonesian-roberta-base on the indonlu dataset. It achieves the following results on the evaluation set:

Loss: 0.4252
Accuracy: 0.9349

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: 1e-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
lr_scheduler_warmup_steps: 2000
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.7582	1.0	688	0.3280	0.8786
0.3225	2.0	1376	0.2398	0.9206
0.2057	3.0	2064	0.2574	0.9230
0.1642	4.0	2752	0.2820	0.9302
0.1266	5.0	3440	0.3344	0.9317
0.0608	6.0	4128	0.3543	0.9341
0.058	7.0	4816	0.4252	0.9349
0.0315	8.0	5504	0.4736	0.9310
0.0166	9.0	6192	0.4649	0.9349
0.0143	10.0	6880	0.4648	0.9341

Framework versions

Transformers 4.14.1
Pytorch 1.10.0+cu111
Datasets 1.16.1
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: RobertaForSequenceClassification
Ревизия весов: ff8dd3f