/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
15 мая 2022

turkish-sentiment-analysis

Классификация текстаТекст → label3 профессии

BERT-модель для многоклассовой классификации тональности турецких текстов.

34скачиваний за 30 дней6лайковвеса обновлены1 апр 2025

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

emre/turkish-sentiment-analysis — модель классификации текста, созданная с помощью AutoTrain на базе архитектуры BERT. Она предназначена для многоклассового анализа тональности турецких текстов, например отзывов и коротких пользовательских сообщений. Модель содержит 211,6 млн параметров, принимает текстовые входные данные и рассчитана на контекст до 512 токенов.

В README приведены метрики на валидации: accuracy 0,970 и macro F1 0,948. Это производная модель, однако её базовая модель в предоставленных данных не названа. Модель распространяется по лицензии Apache-2.0; результаты на других типах турецких текстов могут отличаться от указанных метрик.

Сценарии применения

  • Определение тональности турецкого отзыва о товаре
  • Классификация эмоциональной окраски турецкого сообщения
  • Анализ тональности коротких текстов на турецком языке

Ограничения

Метрики README получены на валидационном наборе; качество на других источниках и типах текстов может отличаться. Базовая модель не установлена по предоставленным данным.

Для каких профессий подходит3

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

Model Trained Using AutoTrain

  • Problem type: Multi-class Classification
  • Model ID: 870727732
  • CO2 Emissions (in grams): 120.82460124309924

Validation Metrics

  • Loss: 0.1098366305232048
  • Accuracy: 0.9697853317600073
  • Macro F1: 0.9482820974460786
  • Micro F1: 0.9697853317600073
  • Weighted F1: 0.9695237873890088
  • Macro Precision: 0.9540948884759232
  • Micro Precision: 0.9697853317600073
  • Weighted Precision: 0.9694186941924757
  • Macro Recall: 0.9428467518468838
  • Micro Recall: 0.9697853317600073
  • Weighted Recall: 0.9697853317600073

Usage

You can use cURL to access this model:

$ curl -X POST -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"inputs": "Bu ürün gerçekten güzel çıktı"}' https://api-inference.huggingface.co/models/emre/turkish-sentiment-analysis

Or Python API:

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("emre/turkish-sentiment-analysis", use_auth_token=True)

tokenizer = AutoTokenizer.from_pretrained("emre/turkish-sentiment-analysis", use_auth_token=True)

inputs = tokenizer("Bu ürün gerçekten güzel çıktı", return_tensors="pt")

outputs = model(**inputs)

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
af018ae

0 моделей