/ Модель
Каталог

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
7 июн 2022

Ссылки

Hugging Face

distilbert-amazon-shoe-reviews

juliensimon
Классификация текстаТекст → label3 профессии

Дообученная модель DistilBERT для классификации отзывов покупателей об обуви Amazon.

34скачиваний за 30 дней0лайковвеса обновлены14 июн 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

juliensimon/distilbert-amazon-shoe-reviews — модель классификации текстов на основе DistilBERT, дообученная автором на базе distilbert-base-uncased. Она предназначена для классификации отзывов об обуви Amazon; README приводит результаты оценки: accuracy 0,579 и значения F1 по пяти классам от 0,470 до 0,737. Модель принимает текст, работает с контекстом до 512 токенов и выдаёт метку класса.

Модель опубликована в форматах PyTorch и Safetensors под лицензией Apache-2.0. README не раскрывает названия классов и описывает данные обучения как None, поэтому интерпретировать конкретные категории и переносить результаты на другие типы отзывов без дополнительной проверки затруднительно.

Сценарии применения

  • классификация отзывов на обувь Amazon по категориям
  • автоматическая разметка отзывов об обуви
  • анализ пользовательских отзывов о товарах обувного магазина

Ограничения

Точность на указанной оценочной выборке составляет 0,579; README не приводит названия пяти классов или подробности датасета, поэтому назначение меток и обобщение на другие отзывы требуют проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594моделиIII.1Корпоративные функцииСтратегия, продукт и бизнес-моделиAI помогает принимать продуктовые и стратегические решения на основе свидетельств, а не только интуиции.19 задач2 459моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-amazon-shoe-reviews

This model is a fine-tuned version of distilbert-base-uncased on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9524
  • Accuracy: 0.579
  • F1: [0.62880121 0.47009599 0.50419753 0.55847134 0.73663068]
  • Precision: [0.63086233 0.46744983 0.4887506 0.58988159 0.72372965]
  • Recall: [0.62675351 0.47277228 0.52065273 0.53023706 0.75 ]

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: 5e-05
  • train_batch_size: 32
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Framework versions

  • Transformers 4.30.2
  • Pytorch 2.0.1+cu117
  • Datasets 2.12.0
  • 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
9ceb12a

0 моделей

    Создать бенчмарк