Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 24 июн 2026

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

fukudarh

Классификация текстаТекст → label3 профессии

Модель на базе DistilBERT классифицирует английские тексты по эмоциональной окраске.

11скачиваний за 30 дней0лайковвеса обновлены24 июн 2026

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

fukudarh/distilbert-base-uncased-finetuned-emotion — модель классификации текстов на основе DistilBERT, дообученная для распознавания эмоций. В README указана оценка на тестовой выборке: accuracy 0,9225 и F1 0,9220; набор данных не назван. Модель принимает текст и выдаёт метку класса. Контекст — до 512 токенов; веса представлены в формате safetensors, библиотека — Transformers.

Лицензия — Apache-2.0. Модель подходит для определения эмоциональной окраски коротких текстов, например сообщений и отзывов. README не описывает набор эмоциональных классов, обучение или ограничения, поэтому результаты на других данных и языках могут отличаться; по идентификатору базовой модели можно заключить, что она рассчитана на английский язык.

Сценарии применения

распознавание эмоций в сообщениях
определение эмоциональной окраски отзывов
классификация тональности коротких текстов

Ограничения

В README не указаны набор данных и перечень эмоциональных классов; приведённые метрики получены только на неназванной оценочной выборке. Базовая модель рассчитана на английский язык.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-emotion

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: 0.2246
Accuracy: 0.9225
F1: 0.9220

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: 64
eval_batch_size: 64
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.8287	1.0	250	0.3226	0.9035	0.9014
0.2620	2.0	500	0.2246	0.9225	0.9220

Framework versions

Transformers 5.12.0
Pytorch 2.11.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 9ebef7b