Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Архитектура: roberta · dense
Опубликована: 13 апр 2022

Ссылки

twitter-roberta-base-sentiment-latest-finetuned-FG-SINGLE_SENTENCE-NEWS

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa для классификации тональности отдельных текстов, ориентированная по названию на новостные предложения.

22скачиваний за 30 дней0лайковвеса обновлены3 мая 2022

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

Модель lucaordronneau/twitter-roberta-base-sentiment-latest-finetuned-FG-SINGLE_SENTENCE-NEWS — дообученная на неизвестном наборе данных версия CardiffNLP Twitter-RoBERTa для классификации текста. Она предназначена для определения тональности отдельных текстовых высказываний; название указывает на настройку под новостные предложения, но карточка не описывает метки классов или обучающие данные. Модель построена на архитектуре RoBERTa, содержит 151,8 млн параметров и обрабатывает последовательности длиной до 514 токенов.

В README приведены результаты оценки: accuracy 0,6305 и F1 0,6250. Эти показатели характеризуют только указанный оценочный набор, сведения о котором отсутствуют, поэтому качество на других данных может отличаться. Лицензия в предоставленных данных не указана.

Сценарии применения

определение тональности новостного предложения
классификация тональности отдельной записи или высказывания
анализ эмоциональной окраски короткого текста

Ограничения

Обучающий набор и метки классов не описаны; приведённые accuracy 0,6305 и F1 0,6250 относятся к оценочному набору, подробности которого отсутствуют. Лицензия модели не установлена по предоставленным данным.

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

twitter-roberta-base-sentiment-latest-finetuned-FG-SINGLE_SENTENCE-NEWS

This model is a fine-tuned version of cardiffnlp/twitter-roberta-base-sentiment-latest on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 3.2822
Accuracy: 0.6305
F1: 0.6250

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: 6e-05
train_batch_size: 32
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
No log	1.0	321	0.9646	0.5624	0.4048
0.9537	2.0	642	0.9474	0.5644	0.4176
0.9537	3.0	963	0.9008	0.5903	0.5240
0.858	4.0	1284	0.9939	0.5999	0.5846
0.5908	5.0	1605	1.0947	0.6108	0.6026
0.5908	6.0	1926	1.2507	0.5740	0.5823
0.3676	7.0	2247	1.4717	0.6128	0.6017
0.2246	8.0	2568	1.6726	0.5965	0.6003
0.2246	9.0	2889	1.8041	0.6380	0.6298
0.1468	10.0	3210	1.9796	0.6053	0.6026
0.1161	11.0	3531	2.0988	0.6237	0.6202
0.1161	12.0	3852	2.4171	0.5944	0.5989
0.0916	13.0	4173	2.3326	0.6374	0.6288
0.0916	14.0	4494	2.5472	0.6360	0.6245
0.0661	15.0	4815	2.9127	0.6176	0.6187
0.0454	16.0	5136	2.9133	0.6326	0.6276
0.0454	17.0	5457	3.1299	0.6210	0.6162
0.0337	18.0	5778	3.1828	0.6224	0.6188
0.0223	19.0	6099	3.2655	0.6299	0.6223
0.0223	20.0	6420	3.2822	0.6305	0.6250

Framework versions

Transformers 4.16.2
Pytorch 1.9.1
Datasets 1.18.4
Tokenizers 0.11.6

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: 8a58a10