Характеристики
- Контекст
- 512 токенов
- Параметры
- 138 млн
- Архитектура
- bert · dense
- Опубликована
- 29 июл 2023
Ссылки
bert-base-japanese-v3-wrime-sentiment
Японскоязычная BERT-модель для бинарной классификации тональности текста на положительный и отрицательный классы.
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
llm-book/bert-base-japanese-v3-wrime-sentiment — японскоязычная модель классификации текста, опубликованная проектом llm-book. Она дообучена на базе cl-tohoku/bert-base-japanese-v3 и предназначена для анализа тональности японских текстов.
Модель использует архитектуру BERT с 12 слоями, 12 attention-головами, скрытым размером 768 и примерно 138,4 млн параметров. Это одномодальная текстовая модель с контекстом до 512 токенов, работающая через Transformers и PyTorch. Она классифицирует входной текст по двум классам: positive и negative.
Модель подходит для автоматической оценки тональности японских отзывов, сообщений и других коротких текстов. Она не предназначена для генерации текста, поддержки нескольких языков или анализа контекстов длиннее 512 токенов. Сведения о лицензии в использованных источниках не установлены.
Сценарии применения
- анализ тональности японских отзывов
- классификация японских сообщений по эмоциональной окраске
- мониторинг позитивных и негативных комментариев
- оценка тональности пользовательской обратной связи
Ограничения
Модель классифицирует только два класса тональности и рассчитана на японские тексты; максимальная длина контекста составляет 512 токенов.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…
- Класс архитектуры
- BertForSequenceClassification
- Ревизия весов
- 4a8df60