/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Архитектура
xlm-roberta · dense
Опубликована
2 мар 2022

twitter-xlm-roberta-base-sentiment-finetunned

Классификация текстаТекст → label4 профессии

Мультиязычная модель XLM-RoBERTa для классификации тональности текстов и публикаций в Twitter.

10 918скачиваний за 30 дней42лайкавеса обновлены2 дек 2022

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 мультиязычный классификатор последовательностей на базе XLM-RoBERTa, дообученный Citizen Lab на основе модели Cardiff NLP Group для классификации тональности. Он предназначен для определения тональности текстов, в том числе публикаций в Twitter, и может использоваться через библиотеку Transformers для классификации текста. Модель содержит 305,2 млн параметров, работает с текстом и принимает последовательности длиной до 514 токенов.

В метаданных указана поддержка английского, нидерландского, французского, португальского, итальянского, испанского, немецкого, датского, польского и африкаанс. Формат весов — PyTorch. Сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • определение тональности публикаций в Twitter
  • классификация тональности коротких сообщений
  • анализ мнений в текстах на европейских языках

Ограничения

Контекст ограничен 514 токенами. В предоставленных источниках не описаны метрики качества и условия лицензии.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

citizenlab/twitter-xlm-roberta-base-sentiment-finetunned

This is multilingual XLM-Roberta model sequence classifier fine tunned and based on Cardiff NLP Group sentiment classification model.

How to use it

from transformers import pipeline

model_path = "citizenlab/twitter-xlm-roberta-base-sentiment-finetunned"

sentiment_classifier = pipeline("text-classification", model=model_path, tokenizer=model_path)
sentiment_classifier("this is a lovely message")
> [{'label': 'Positive', 'score': 0.9918450713157654}]

sentiment_classifier("you are an idiot and you and your family should go back to your country")
> [{'label': 'Negative', 'score': 0.9849833846092224}]

Evaluation

              precision    recall  f1-score   support

    Negative       0.57      0.14      0.23        28
     Neutral       0.78      0.94      0.86       132
    Positive       0.89      0.80      0.85        51

    accuracy                           0.80       211
   macro avg       0.75      0.63      0.64       211
weighted avg       0.78      0.80      0.77       211

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
XLMRobertaForSequenceClassification
Ревизия весов
a9381f1

0 моделей