Характеристики

Контекст: 512 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: bert · dense
Опубликована: 15 мар 2023

Ссылки

Hugging Face

indonesian_financial_sentiment_analysis

intanm

Классификация текстаТекст → label3 профессии

Модель BERT для классификации тональности финансовых текстов на индонезийском языке.

793скачиваний за 30 дней0лайковвеса обновлены15 мар 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

intanm/indonesian_financial_sentiment_analysis — модель классификации текста на основе BERT, дообученная на базе indobenchmark/indobert-base-p1 для анализа тональности финансовых текстов на индонезийском языке. Репозиторий использует PyTorch; размер модели — 151,6 млн параметров, максимальный контекст — 512 токенов. README сообщает точность 0,9560 и loss 0,1788 на оценочном наборе, но не описывает сам набор данных и метки классов.

Модель предназначена для определения тональности финансовых текстов, например новостей или сообщений о рынке. Распространяется по лицензии MIT. Карточка не уточняет, какие именно классы тональности поддерживаются и на каких типах финансовых текстов проводилась оценка.

Сценарии применения

определение тональности финансовых новостей
классификация сообщений о рынке на индонезийском языке
анализ тональности индонезийских финансовых текстов

Ограничения

README не раскрывает состав оценочного набора данных и перечень классов тональности. Приведённая точность относится только к указанному оценочному набору.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723модели 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

indonesian_financial_sentiment_analysis

This model is a fine-tuned version of indobenchmark/indobert-base-p1 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1788
Accuracy: 0.9560

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: 16
eval_batch_size: 16
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
No log	1.0	102	0.1650	0.9396
No log	2.0	204	0.1788	0.9560

Framework versions

Transformers 4.26.1
Pytorch 1.13.1+cu116
Datasets 2.10.1
Tokenizers 0.13.2

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: 476d2f7