Характеристики

Контекст: 512 токенов
Параметры: 138 млн
Лицензия: CC BY 4.0
Архитектура: bert · dense

Ссылки

senda

Классификация текстаТекст → label3 профессии

Senda — дообученная датская BERT-модель для классификации тональности текста на положительную, нейтральную и отрицательную.

1 813скачиваний за 30 дней0лайковвеса обновлены19 мая 2021

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

Senda — датская модель на архитектуре BERT, разработанная Lars Kjeldgaard и дообученная для определения тональности и полярности текста. Она относит датские сообщения к одному из трёх классов: положительный, нейтральный или отрицательный.

Модель предназначена для классификации датских текстов, в частности публикаций в Twitter. Обучение и проверка проводились на твитах с разметкой Alexandra Institute. Это модель последовательной классификации размером 137,8 млн параметров с контекстом до 512 токенов; доступны веса PyTorch и Flax.

Лицензия — CC BY 4.0. Оценки качества и ограничения на других жанрах датского текста в карточке не приведены; обучение и проверка на твитах могут ограничивать переносимость на иные типы текстов.

Сценарии применения

определение тональности датских твитов
мониторинг положительных и отрицательных реакций в соцсетях
классификация датских отзывов по полярности

Ограничения

Обучение и проверка проводились на датских твитах, поэтому качество на других жанрах текста может отличаться. В карточке не приведены метрики качества.

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Danish BERT fine-tuned for Sentiment Analysis (Polarity)

This model detects polarity ('positive', 'neutral', 'negative') of danish texts.

It is trained and tested on Tweets annotated by Alexandra Institute.

Here is an example on how to load the model in PyTorch using the 🤗Transformers library:

from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline
tokenizer = AutoTokenizer.from_pretrained("larskjeldgaard/senda")
model = AutoModelForSequenceClassification.from_pretrained("larskjeldgaard/senda")

# create 'senda' sentiment analysis pipeline 
senda_pipeline = pipeline('sentiment-analysis', model=model, tokenizer=tokenizer)

senda_pipeline("Sikke en dejlig dag det er i dag")

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: 8de8d06