Характеристики

Контекст: 512 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: indobert-base-p1
Опубликована: 29 мар 2024

Ссылки

Hugging Face

IndoBERT-Sentiment-Analysis

crypter70

Классификация текстаТекст → label4 профессии

Модель на основе IndoBERT определяет тональность индонезийского текста.

325скачиваний за 30 дней2лайкавеса обновлены29 мар 2024

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

IndoBERT-Sentiment-Analysis — дообученная модель классификации тональности текста на основе indobenchmark/indobert-base-p1, созданная сообществом crypter70 и обученная на наборе данных IndoNLU. Это модель BERT с примерно 151,6 млн параметров, принимающая текст и выдающая метку класса; контекст ограничен 512 токенами. В README указаны точность 0,9452 и F1 0,9451 на оценочной выборке. Модель предназначена для определения тональности индонезийских текстов. Доступна по лицензии MIT.

Сценарии применения

определение тональности отзывов на индонезийском языке
классификация настроения публикаций в социальных сетях
анализ мнений в пользовательских комментариях

Ограничения

README не уточняет набор меток классов и условия оценки; приведённые метрики относятся только к оценочной выборке IndoNLU. Контекст ограничен 512 токенами.

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель 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

IndoBERT-Sentiment-Analysis

This model is a fine-tuned version of indobenchmark/indobert-base-p1 on the indonlu dataset. It achieves the following results on the evaluation set:

Loss: 0.4221
Accuracy: 0.9452
F1 Score: 0.9451

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: 6
eval_batch_size: 6
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1 Score
0.3499	0.27	500	0.2392	0.9310	0.9311
0.3181	0.55	1000	0.3354	0.9175	0.9158
0.3001	0.82	1500	0.2965	0.9238	0.9243
0.2534	1.09	2000	0.3513	0.9222	0.9218
0.1692	1.36	2500	0.2657	0.9405	0.9399
0.1543	1.64	3000	0.4046	0.9198	0.9191
0.1827	1.91	3500	0.2800	0.9317	0.9319
0.1061	2.18	4000	0.3352	0.9389	0.9389
0.0639	2.45	4500	0.4033	0.9373	0.9365
0.0709	2.73	5000	0.3508	0.9365	0.9360
0.0922	3.0	5500	0.3313	0.9397	0.9394
0.0274	3.27	6000	0.3635	0.9444	0.9440
0.0273	3.54	6500	0.4074	0.9389	0.9387
0.0414	3.82	7000	0.3863	0.9405	0.9405
0.0156	4.09	7500	0.4128	0.9413	0.9412
0.0067	4.36	8000	0.4469	0.9397	0.9399
0.0056	4.63	8500	0.4297	0.9444	0.9445
0.0124	4.91	9000	0.4227	0.9452	0.9451

Framework versions

Transformers 4.39.0.dev0
Pytorch 2.1.0.dev20230729
Datasets 2.14.0
Tokenizers 0.15.2

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: BertForSequenceClassification
Ревизия весов: e4f8061