/ Модель

Характеристики

Контекст
512 токенов
Параметры
526 млн
Архитектура
bert · dense
Базовая модель
sbert-ru-sentiment-rusentiment
Опубликована
9 ноя 2024

sbert-ru-huawei-sentiment-fine-up

Классификация текстаТекст → label3 профессии

Русскоязычная BERT-модель для классификации тональности текста, дообученная на базе sismetanin/sbert-ru-sentiment-rusentiment.

13скачиваний за 30 дней0лайковвеса обновлены9 ноя 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 ivanovsdesign/sbert-ru-huawei-sentiment-fine-up — русскоязычная модель классификации текста на основе архитектуры BERT, дообученная автором с помощью AutoTrain от базовой модели sismetanin/sbert-ru-sentiment-rusentiment. Она предназначена для определения тональности текста, в том числе пользовательских сообщений и публикаций. Модель принимает текстовые последовательности длиной до 512 токенов и выдаёт класс тональности.

В README приведены метрики на валидации: accuracy и micro F1 около 0,672, macro F1 около 0,460. Это указывает на заметно более слабые результаты по отдельным классам, чем усреднённая точность, поэтому качество стоит проверить на данных целевого сценария. Веса опубликованы в формате Safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • определение тональности русскоязычных сообщений
  • анализ отзывов о товарах и услугах
  • разметка публикаций по тональности
  • оценка эмоциональной окраски пользовательских комментариев

Ограничения

На валидации macro F1 составляет около 0,46, поэтому качество может быть неодинаковым для разных классов. Длина входа ограничена 512 токенами; лицензия в предоставленных данных не указана.

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: Text Classification

Validation Metrics

loss: 0.8407641053199768

f1_macro: 0.4599197233920555

f1_micro: 0.6719408198910921

f1_weighted: 0.647985493521427

precision_macro: 0.4574685780248835

precision_micro: 0.6719408198910921

precision_weighted: 0.629823305374442

recall_macro: 0.46712379058109665

recall_micro: 0.6719408198910921

recall_weighted: 0.6719408198910921

accuracy: 0.6719408198910921

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
2de16a2

0 моделей