/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Базовая модель
roberta-base
Опубликована
2 сен 2026

embodiment-classifier

Классификация текстаТекст → label3 профессии

Классификатор размечает предложения английской художественной прозы по 11 категориям телесности и восприятия.

18скачиваний за 30 дней0лайковвеса обновлены18 сен 2026

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

Embodiment Classifier — классификатор предложений из англоязычной художественной прозы, разработанный для разметки категорий телесности в нарративе. Модель дообучена на базе FacebookAI/roberta-base; архитектура — RoBERTa для классификации последовательностей, размер — 151,8 млн параметров, контекст — 514 токенов.

Модель присваивает каждому предложению одну из 11 категорий, включая движение персонажа, осязание материала, телесные ощущения персонажа, мимику, зрительное восприятие и жесты. Она предназначена для анализа художественных текстов и поддержки исследований в литературоведении и цифровых гуманитарных науках. На тестовой выборке из 580 примеров micro-F1 составил 0,805, macro-F1 — 0,797; в пятифолдовой кросс-валидации micro-F1 составил 0,808 ± 0,022.

Модель принимает текст и выдаёт метку категории с оценкой уверенности. Обучена для английской прозы и лицензирована по CC BY 4.0.

Сценарии применения

  • разметка телесных ощущений персонажей в художественных текстах
  • поиск сцен прикосновения и взаимодействия с материалами
  • анализ движений, жестов и мимики персонажей
  • выделение описаний зрительного восприятия в прозе
  • подготовка корпусов художественной литературы для цифрового литературоведения

Ограничения

Модель рассчитана на предложения из англоязычной художественной прозы и размечает только заданные 11 категорий. На тестовой выборке micro-F1 составил 0,805, поэтому предсказания следует проверять для задач, где важна высокая точность.

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

Embodiment Classifier (English narrative fiction)

Sentence-level classifier assigning one of 11 embodiment categories to sentences from English-language prose fiction. Fine-tuned from roberta-base.

Labels: no_rel, character_move, haptic_material, character_feltness, facial_expr, sight_human, book_paratext, haptic_human_animal, sight_material, segmentation_error, gesture.

Usage

from transformers import pipeline
clf = pipeline("text-classification", model="katrohrb/embodiment-classifier")
clf("She reached out and touched the rough bark.")
# -> [{'label': 'haptic_material', ...}]

Performance

Held-out test set (n=580): micro-F1 0.805 [0.772, 0.835], macro-F1 0.797. 5-fold CV: 0.808 +/- 0.022. Human inter-annotator agreement ceiling: Cohen's kappa 0.760.

Data and code

Codebook, gold annotations, and reproduction notebooks: https://github.com/katrin-rohrbacher/embodiment-paper

Citation

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
RobertaForSequenceClassification
Ревизия весов
c2e4ebf

0 моделей