Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 30 июн 2026

Ссылки

Hugging Face

results

ayeshayasir7543458

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель определяет положительную или отрицательную тональность англоязычных отзывов о фильмах.

11скачиваний за 30 дней0лайковвеса обновлены6 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

Модель ayeshayasir7543458/results — версия DistilBERT, дообученная на датасете отзывов о фильмах IMDB для классификации тональности на положительную и отрицательную. Она принимает текст отзыва и возвращает метку класса; архитектура — DistilBertForSequenceClassification, формат весов — safetensors. Модель предназначена для анализа англоязычных отзывов о кино; заявленная длина контекста — 512 токенов.

В README приведены метрики на оценивании: accuracy 0,893, precision 0,8699, recall 0,9180 и F1 0,8933. Модель выпущена под лицензией Apache-2.0. Результаты относятся к задаче и данным IMDB; качество на других жанрах текста или языках не подтверждено.

Сценарии применения

Определение тональности отзыва о фильме
Разделение отзывов IMDB на положительные и отрицательные
Автоматическая разметка отзывов для анализа мнений
Подсчёт положительных и отрицательных отзывов в наборе данных

Ограничения

Обучение и приведённые метрики относятся к англоязычным отзывам из IMDB; качество на других типах текстов и языках не подтверждено. Модель ограничена классификацией тональности на два класса и контекстом до 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IMDB Sentiment Analysis Model

This model is a fine-tuned version of distilbert-base-uncased on the IMDB movie reviews dataset.

Model Details

Base Model: distilbert-base-uncased
Dataset: IMDB Movie Reviews
Task: Sentiment Classification - Positive / Negative

Evaluation Results

Accuracy: 0.893
Precision: 0.8699
Recall: 0.9180
F1-Score: 0.8933
Loss: 0.3018

How to use

from transformers import pipeline

classifier = pipeline("sentiment-analysis", model="ayeshayasir7543458/results")

print(classifier("This movie was amazing!"))
print(classifier("I hated this movie."))

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: DistilBertForSequenceClassification
Ревизия весов: fa561a2