Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 21 июл 2026

Ссылки

distilbert-disaster-tweets

chris-2004

Классификация текстаТекст → label

Дообученная англоязычная DistilBERT-модель, классифицирующая твиты как сообщения о бедствии или не связанные с бедствием.

12скачиваний за 30 дней0лайковвеса обновлены21 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

Это учебная модель классификации англоязычных твитов, созданная дообучением DistilBERT разработчиком chris-2004. Она относит текст к одному из двух классов: DISASTER или NOT_DISASTER. Модель построена на DistilBertForSequenceClassification и принимает текст с контекстом до 512 токенов.

В README приведены результаты валидации на 1 523 примерах: accuracy 0,8516, precision для класса DISASTER 0,8754 и recall 0,7630; лучший чекпойнт выбрали по F1 после первой эпохи. Модель подходит для учебных экспериментов и демонстрации классификации сообщений о возможных происшествиях. Лицензия — Apache-2.0.

Это курсовой проект, и автор прямо запрещает использовать его для реального обнаружения чрезвычайных ситуаций или обеспечения общественной безопасности. Данные содержат неоднозначные метки, дубликаты и неформальную речь; модель может ошибочно классифицировать симуляции, ложные тревоги, метафоры и инсценированные события.

Сценарии применения

классификация англоязычных твитов о возможных бедствиях
учебная демонстрация классификации коротких сообщений
эксперименты с дообучением DistilBERT для бинарной классификации

Ограничения

Это учебный проект, который нельзя применять для реального обнаружения чрезвычайных ситуаций или обеспечения общественной безопасности. Неоднозначные метки, дубликаты и неформальный язык приводят к ошибкам, в том числе на симуляциях, ложных тревогах, метафорах и инсценированных событиях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DistilBERT Disaster Tweet Classifier

This educational model fine-tunes distilbert/distilbert-base-uncased to classify English tweets as DISASTER or NOT_DISASTER.

Validation results

Metric	Value
Accuracy	0.8516
Precision (DISASTER)	0.8754
Recall (DISASTER)	0.7630
F1 (DISASTER)	0.8154

The validation split contains 1,523 examples. The best checkpoint was selected by validation F1 after the first training epoch.

Intended use and limitations

This model is a course project and demonstration. It must not be used as a real emergency detection or public-safety system. The source dataset contains ambiguous labels, exact duplicate texts, and informal language. The model can also mistake simulations, false alarms, metaphors, or staged events for real disasters.

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: 7454732