/ Модель

Характеристики

Контекст
258 токенов
Параметры
162 млн
Архитектура
roberta · dense
Библиотека
transformers
Опубликована
17 мар 2023

phobert-base-vi-sentiment-analysis

Классификация текстаТекст → label3 профессии

Модель классифицирует вьетнамские отзывы о товарах как позитивные, негативные или нейтральные.

124скачиваний за 30 дней5лайковвеса обновлены20 мар 2023

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 mr4/phobert-base-vi-sentiment-analysis разработана автором репозитория mr4 на основе PhoBERT-Base от VinAI. Это модель классификации последовательностей на архитектуре RoBERTa с 162,4 млн параметров, предназначенная для определения тональности вьетнамских текстовых отзывов. Она присваивает тексту метку «позитивный», «негативный» или «нейтральный» и показывает оценки для этих классов. Модель обучена на отредактированной выборке из 31 436 отзывов о товарах.

Модель использует библиотеку Transformers и доступна в форматах PyTorch и Safetensors. Её контекст составляет 258 токенов; основной язык — вьетнамский. Лицензия в предоставленных данных не указана.

Сценарии применения

  • определение тональности отзывов о товарах на вьетнамском языке
  • подсчёт позитивных и негативных отзывов покупателей
  • выявление нейтральных отзывов на вьетнамском языке

Ограничения

Модель обучена на отредактированных отзывах о товарах, поэтому её качество на других жанрах и тематиках не подтверждено. Контекст ограничен 258 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Sentiment Analysis in Vietnamese - Phân tích cảm xúc trong tiếng Việt

Phở Bert phân tích cảm xúc

Model description

Mô hình có tác dụng xác định cảm xúc của đoạn văn. Sử dụng nhãn: "Tích cực", "Tiêu cực", "Trung tính"

Ví dụ: Thời tiết hôm nay không được đẹp, trời mưa và lạnh.

    Tiêu cực: 0.9596341252326965
    Tích cực: 0.010115462355315685
    Trung tính: 0.030250443145632744

Hôm nay đi làm thật vui, ăn uống thật ngon.

    Tiêu cực: 0.002220266032963991
    Tích cực: 0.9917450547218323
    Trung tính: 0.006034655496478081

Bình thường. Không có gì đặc biệt.

    Tiêu cực: 0.03198615834116936
    Tích cực: 0.05307402461767197
    Trung tính: 0.9149397611618042

Base model

Mô hình được đạo tạo dựa trên cơ sở của model PhoBert-Base của VinAI (https://huggingface.co/vinai/phobert-large)

Training data

Mô hình được đào tạo dựa trên dữ liệu được thu thập bởi linhlpv (https://www.kaggle.com/datasets/linhlpv/vietnamese-sentiment-analyst) - có chỉnh sửa. Với 31436 nội dung đánh giá sảm phẩm.

Model variations

Chưa xác định

Intended uses & limitations

Chưa xác định

License

Đây là một open-source library, bạn có thể sử dụng nó với bất kì mục đích nào. Rất cảm ơn nếu bạn ghi nguồn khi sử dụng mô hình này (nếu không ghi cũng không sao).

How to use

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
import os


def clear():
    os.system('clear')


checkpoint = "mr4/phobert-base-vi-sentiment-analysis"
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForSequenceClassification.from_pretrained(checkpoint)
clear()
print("Ngày hôm nay của bạn thế nào?")
val = input("")
raw_inputs = [val]
inputs = tokenizer(raw_inputs, padding=True,
                   truncation=True, return_tensors="pt")
outputs = model(**inputs)
predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
clear()
print(">>>>>>>>>>>>>>>>>>>>>>>>>>")
for i, prediction in enumerate(predictions):
    print(raw_inputs[i])
    for j, value in enumerate(prediction):
        print(
            "    " + model.config.id2label[j] + ": " + str(value.item()))
print("<<<<<<<<<<<<<<<<<<<<<<<<<<")

Liên hệ

Mọi thông tin liên quan có thể liên hệ qua email: zZz4everzZz@live.co.uk.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForSequenceClassification
Ревизия весов
e53adac

0 моделей