Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Опубликована: 10 мая 2024

Ссылки

Hugging Face

distilbert-base-finetuned-imdb-sentiment

lyrisha

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель для классификации тональности отзывов IMDb.

18скачиваний за 30 дней0лайковвеса обновлены12 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

lyrisha/distilbert-base-finetuned-imdb-sentiment — модель классификации текстов на базе DistilBERT, дообученная на задачу определения тональности отзывов IMDb. Она предназначена для отнесения текста к классам тональности; в README указаны точность 0,9306 и значение loss 0,2441 на оценочном наборе. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метки классов. Максимальная длина контекста — 512 токенов; веса представлены в формате safetensors.

Карточка не раскрывает состав обучающих данных и подробности оценки, поэтому результаты нельзя напрямую переносить на другие жанры текстов и распределения данных. Модель выпущена под лицензией Apache-2.0.

Сценарии применения

определение тональности отзыва о фильме
разметка отзывов IMDb по тональности
автоматическая классификация пользовательских отзывов
анализ настроения коротких англоязычных текстов

Ограничения

README не раскрывает обучающий датасет и подробности оценки; указанная точность относится только к оценочному набору. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-finetuned-imdb-sentiment

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

Loss: 0.2441
Accuracy: 0.9306

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: 2e-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: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2788	1.0	938	0.1889	0.9278
0.136	2.0	1876	0.2246	0.9242
0.0847	3.0	2814	0.2441	0.9306

Framework versions

Transformers 4.40.2
Pytorch 2.2.1+cu121
Datasets 2.19.1
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: 2fbb349