Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 10 мая 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

moghis

Классификация текстаТекст → label3 профессии

Модель на базе DistilBERT классифицирует текст по эмоциональной окраске.

11скачиваний за 30 дней0лайковвеса обновлены10 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

moghis/distilbert-base-uncased-finetuned-emotion — модель классификации текста, дообученная на базе distilbert-base-uncased для распознавания эмоций в тексте. Она выдаёт метку эмоционального класса для входного текста. На наборе оценки emotion указаны точность 0,924 и F1 0,9241; архитектура — DistilBertForSequenceClassification с контекстом до 512 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Модель подходит для автоматической разметки эмоциональной окраски коротких текстов и анализа пользовательских высказываний. Карточка не уточняет набор классов и языки данных, поэтому результаты не следует считать подтверждёнными для языков или сценариев за пределами обучающего набора emotion.

Сценарии применения

определение эмоций в коротких сообщениях
разметка эмоциональной окраски отзывов
анализ эмоций в пользовательских высказываниях

Ограничения

README не приводит список эмоциональных классов и не уточняет языки данных; приведённые метрики относятся только к evaluation set набора emotion.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-emotion

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

Loss: 0.2141
Accuracy: 0.924
F1: 0.9241

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.7828	1.0	250	0.2936	0.909	0.9070
0.2344	2.0	500	0.2141	0.924	0.9241

Framework versions

Transformers 4.18.0
Pytorch 1.11.0+cu113
Datasets 2.1.0
Tokenizers 0.12.1

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: c72ec01