Характеристики

Контекст: 514 токенов
Параметры: 146 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Базовая модель: roberta-fa-zwnj-base
Опубликована: 22 дек 2023

Ссылки

Hugging Face

roberta-sentiment-persian

dadashzadeh

Классификация текстаТекст → label3 профессии

Дообученная персидская RoBERTa для классификации тональности текста.

25скачиваний за 30 дней4лайкавеса обновлены23 дек 2023

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

dadashzadeh/roberta-sentiment-persian — модель классификации текста на основе RoBERTa, дообученная автором репозитория на базе HooshvareLab/roberta-fa-zwnj-base. Она предназначена для анализа тональности персидских текстов. Модель содержит 145,5 млн параметров, имеет контекст длиной до 514 токенов и распространяется в формате safetensors.

На указанном в карточке наборе оценки она показала accuracy 0,8298 и loss 0,4350. Карточка не раскрывает метки тональности, сведения о наборе данных и ограничения модели. Лицензия — Apache-2.0.

Сценарии применения

Определение тональности персидских отзывов
Анализ эмоциональной окраски персидских публикаций
Классификация тональности персидских комментариев

Ограничения

В карточке не описаны классы тональности, обучающие данные и ограничения применения; приведённая метрика относится к неуточнённому набору оценки.

Для каких профессий подходит3

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 I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-Sentiment-persian

This model is a fine-tuned version of HooshvareLab/roberta-fa-zwnj-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.4350
Accuracy: 0.8298

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

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.5814	1.0	3576	0.4350	0.8298
0.433	2.0	7152	0.4646	0.8307
0.313	3.0	10728	0.5334	0.8458

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.16.0
Tokenizers 0.15.0

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: RobertaForSequenceClassification
Ревизия весов: d2ef458