Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: bert-base-uncased
Опубликована: 7 апр 2024

Ссылки

Hugging Face

bert-finetuned-imdb-sentiment

lyrisha

Классификация текстаТекст → label

Англоязычная модель на базе bert-base-uncased классифицирует тональность отзывов IMDb.

6скачиваний за 30 дней0лайковвеса обновлены10 мая 2024

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 lyrisha/bert-finetuned-imdb-sentiment — англоязычная модель классификации тональности отзывов, созданная дообучением bert-base-uncased на датасете IMDb. Она принимает текст и относит отзыв к одному из классов тональности; модель подходит для анализа пользовательских рецензий и сортировки отзывов по тональности. Архитектура в метаданных указана как DistilBertForSequenceClassification, формат весов — safetensors, максимальная длина контекста — 512 токенов.

На оценочном наборе в карточке приведены F1 0,9171 и loss 0,3405. Модель ориентирована на отзывы IMDb, поэтому качество на других жанрах текста и языках не подтверждено. Лицензия — Apache-2.0.

Сценарии применения

определение тональности отзыва о фильме
разделение рецензий на положительные и отрицательные
автоматическая сортировка отзывов IMDb по тональности

Ограничения

Модель обучена на англоязычных отзывах IMDb; применимость к другим языкам и типам текста не подтверждена. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-imdb-sentiment

This model is a fine-tuned version of bert-base-uncased on an imdb dataset. It achieves the following results on the evaluation set:

Loss: 0.3405
F1: 0.9171

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: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.2966	1.0	3125	0.2795	0.8854
0.1681	2.0	6250	0.2801	0.9118
0.0724	3.0	9375	0.3405	0.9171

Framework versions

Transformers 4.40.0
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.19.1

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: DistilBertForSequenceClassification
Ревизия весов: df97052