/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
CC BY-NC 4.0
Архитектура
bert · dense
Библиотека
transformers
Опубликована
17 сен 2023

beto-sentiment-analysis-spanish

Классификация текстаТекст → label5 профессий

Дообученная на BETO модель определяет положительную, нейтральную или отрицательную тональность испаноязычного текста.

40скачиваний за 30 дней7лайковвеса обновлены20 мар 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

Модель ignacio-ave/beto-sentiment-analysis-spanish — модель классификации тональности испаноязычных текстов, дообученная на BETO, испанской версии BERT. Она относит текст к одной из трёх категорий: отрицательной, нейтральной или положительной. Модель реализована как BertForSequenceClassification, содержит 137,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch через библиотеку Transformers.

Модель предназначена для анализа отзывов, публикаций и других коротких текстов на испанском языке, например для оценки общего настроения сообщений или сортировки отзывов по тональности. В README приведена точность 67,59% для трёх классов; F1 составляет 0,68 для отрицательного, 0,58 для нейтрального и 0,76 для положительного класса. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • Классификация отзывов на испанском по тональности
  • Анализ настроений в испаноязычных публикациях
  • Разделение сообщений клиентов на положительные, нейтральные и отрицательные
  • Мониторинг тональности испаноязычных упоминаний бренда

Ограничения

На тестовых данных точность для трёх классов составляет 67,59%; нейтральный класс распознаётся хуже положительного и отрицательного (F1 0,58). Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🌐 BETO Spanish Sentiment Analysis Model 📝🤖

📌 Summary in English: This sentiment analysis model is based on the BETO, a Spanish variant of BERT.

🎯📊 Model Performance

  • Accuracy in 3 categories: 67.59%
  • Classification Report:
SentimentPrecisionRecallF1-ScoreSupport
Negative0.640.720.6815844
Neutral0.640.540.5822721
Positive0.730.790.7622233
Weighted Avg0.670.680.6760798

📔🔗 Try it on Google Colab! 🌐

Model and Data Sources

Cañete, J., Chaperon, G., Fuentes, R., Pérez, J., & Bustos, B. (2020). Spanish Pre-Trained BERT Model and Evaluation Data. Recuperado de https://arxiv.org/abs/2308.02976

SEPLN TASS (2012). Workshop on Semantic Analysis at SEPLN

License Disclaimer

The license CC BY 4.0 best describes our intentions for our work. However we are not sure that all the datasets used to train BETO have licenses compatible with CC BY 4.0 (specially for commercial use). Please use at your own discretion and verify that the licenses of the original text resources match your needs.

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
BertForSequenceClassification
Ревизия весов
ca8b048

0 моделей