Японская BERT-модель для классификации тональности отзывов и других текстов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
llm-book/bert-base-japanese-v3-marc_ja — модель для анализа тональности японских текстов, разработанная сообществом llm-book. Она создана дообучением cl-tohoku/bert-base-japanese-v3 на наборе MARC-ja из JGLUE и предназначена для классификации отзывов и других текстов по тональности. Модель построена на архитектуре BERT, содержит 138,4 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метку класса с оценкой уверенности.
Модель подходит для автоматического определения положительной или отрицательной тональности японских отзывов и для учебных экспериментов по анализу тональности с Transformers. Репозиторий содержит веса PyTorch и опубликован по лицензии Apache 2.0. Карточка демонстрирует классификацию примера текста как положительного.
Модель обучена для японского языка на MARC-ja и может хуже работать на других языках или текстах вне распределения обучающих данных. Максимальная длина входа — 512 токенов.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
「大規模言語モデル入門」の第5章で紹介している(感情分析)のモデルです。 cl-tohoku/bert-base-japanese-v3をJGLUEのMARC-jaデータセットでファインチューニングして構築されています。
from transformers import pipeline
text_classification_pipeline = pipeline(model="llm-book/bert-base-japanese-v3-marc_ja")
print(text_classification_pipeline("世界には言葉がわからなくても感動する音楽がある。")[0])
# {'label': 'positive', 'score': 0.9993619322776794}
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · text-classification
Подбираем GPU…