Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Опубликована: 30 мая 2022

Ссылки

Hugging Face

finetuning-sentiment-model-5000-samples3

joebobby

Классификация текстаТекст → label3 профессии

Дообученная на bert-base-uncased модель для классификации тональности текста.

9скачиваний за 30 дней0лайковвеса обновлены31 мая 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

joebobby/finetuning-sentiment-model-5000-samples3 — модель классификации текста на основе BERT, дообученная на bert-base-uncased. Она предназначена для классификации тональности текста. Архитектура — BertForSequenceClassification, размер — 136,7 млн параметров, максимальная длина контекста — 512 токенов. Модель использует PyTorch и распространяется по лицензии Apache-2.0.

В README не приведены сведения о наборе данных, метках классов, результатах оценки и ограничениях, поэтому качество и конкретный охват классификации тональности оценить нельзя. Английский язык следует из базовой модели bert-base-uncased.

Сценарии применения

Классификация тональности коротких английских отзывов
Определение эмоциональной окраски пользовательских комментариев
Разметка текстовых отзывов по категориям тональности

Ограничения

Данные обучения, набор меток и результаты оценки не описаны, поэтому пригодность для конкретного домена и точность модели не установлены. Контекст ограничен 512 токенами.

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

finetuning-sentiment-model-5000-samples3

This model is a fine-tuned version of bert-base-uncased on an unknown dataset.

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: 5

Framework versions

Transformers 4.19.2
Pytorch 1.11.0+cu113
Datasets 2.2.2
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: BertForSequenceClassification
Ревизия весов: ce0e5d5