/ Модель
Каталог

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Опубликована
14 апр 2024

Ссылки

Hugging Face

DISTILBERT-IMDB-HUGGINGFACE

cyh002
Классификация текстаТекст → label3 профессии

Дообученная на неизвестном наборе данных модель DistilBERT для классификации англоязычных отзывов о фильмах.

7скачиваний за 30 дней0лайковвеса обновлены21 апр 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

DISTILBERT-IMDB-HUGGINGFACE — модель классификации текста на базе DistilBERT, дообученная автором репозитория cyh002 на наборе данных неизвестного происхождения. Она предназначена для классификации текстовых отзывов, в частности анализа тональности отзывов о фильмах по IMDB. Архитектура — DistilBertForSequenceClassification; модель принимает текст и выдаёт метку класса. Максимальная длина контекста составляет 512 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

В README приведены результаты оценки: accuracy 0,912 и F1 0,9113; состав и методика оценки не описаны. Базовая модель DistilBERT использует английский регистр-независимый вариант BERT, поэтому модель ориентирована на англоязычные отзывы. Данных о точных метках классов, обучающей выборке и ограничениях применения недостаточно.

Сценарии применения

  • определение тональности англоязычного отзыва о фильме
  • классификация отзывов IMDB по категориям
  • автоматическая сортировка отзывов на положительные и отрицательные при наличии соответствующих меток

Ограничения

Происхождение обучающего набора и точный состав меток не описаны; приведённые метрики не сопровождаются описанием оценочного набора и методики. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594моделиIII.1Корпоративные функцииСтратегия, продукт и бизнес-моделиAI помогает принимать продуктовые и стратегические решения на основе свидетельств, а не только интуиции.19 задач2 459моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DISTILBERT-IMDB-HUGGINGFACE

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3762
  • Accuracy: 0.912
  • F1: 0.9113

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: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Framework versions

  • Transformers 4.40.0
  • Pytorch 2.2.1+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

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
41e4bd4

0 моделей

    Создать бенчмарк