Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 26 мар 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

jasonyim2

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель для классификации текста по эмоциональным категориям.

16скачиваний за 30 дней0лайковвеса обновлены11 июл 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

Это модель классификации текста на основе DistilBERT, дообученная автором jasonyim2 на наборе данных emotion. Она предназначена для определения эмоциональной категории текста. В README для оценки на тестовой выборке указаны accuracy и F1 по 0,9215 и loss 0,2227.

Модель принимает текст и выдаёт метки классов. Она построена на архитектуре DistilBertForSequenceClassification, работает с контекстом до 512 токенов и распространяется в формате PyTorch. Лицензия — Apache-2.0. Карточка не сообщает список эмоциональных классов и подробности обучающих данных, поэтому результаты на других языках и типах текста не подтверждены.

Сценарии применения

определение эмоций в коротких сообщениях
анализ тональности пользовательских отзывов по эмоциональным категориям
разметка эмоциональных реплик в диалогах

Ограничения

В карточке не перечислены классы эмоций и не описана обучающая выборка подробнее; приведённые метрики относятся только к оценочной выборке. Поддержка языков, кроме предполагаемого английского по uncased базовой модели, не подтверждена.

Для каких профессий подходит3

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

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: 0.2227
Accuracy: 0.9215
F1: 0.9215

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: 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
0.8265	1.0	250	0.3204	0.9	0.8963
0.2534	2.0	500	0.2227	0.9215	0.9215

Framework versions

Transformers 4.30.2
Pytorch 2.0.1+cu118
Datasets 2.13.1
Tokenizers 0.13.3

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: 5de90af