Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 12 авг 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

hhffxx

Классификация текстаТекст → label4 профессии

Дообученная на наборе emotion модель DistilBERT классифицирует текст по эмоциональной окраске.

22скачиваний за 30 дней0лайковвеса обновлены24 авг 2022

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

Это модель классификации текста на основе DistilBERT, дообученная на наборе данных emotion для распознавания эмоций в тексте. Она подходит для автоматической разметки эмоциональной окраски коротких текстов, например сообщений и отзывов. По результатам оценки на тестовом наборе модель показала accuracy 0,9385 и F1 0,9382.

Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт класс эмоции. Максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Карточка не уточняет набор классов эмоций и не описывает ограничения модели.

Сценарии применения

определение эмоций в сообщениях
разметка эмоциональной окраски отзывов
классификация настроения коротких текстов

Ограничения

Модель обучалась на наборе emotion; качество на других типах текстов и языках может отличаться. Карточка не уточняет состав классов эмоций.

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

distilbert-base-uncased-finetuned-emotion

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

Loss: 0.2716
Accuracy: 0.9385
F1: 0.9382

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: 1
eval_batch_size: 1
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.5485	1.0	16000	0.3088	0.933	0.9322
0.2384	2.0	32000	0.2716	0.9385	0.9382

Framework versions

Transformers 4.21.1
Pytorch 1.11.0
Datasets 2.4.0
Tokenizers 0.12.1

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: d7a858d