Характеристики

Контекст: 512 токенов
Параметры: 138 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: bert-base-turkish-cased
Библиотека: transformers
Опубликована: 13 июн 2026

Ссылки

Hugging Face

berturk-duygu-analizi

nihalenc

Классификация текстаТекст → label3 профессии

Дообученная турецкая BERT-модель для классификации тональности и эмоциональной окраски текста.

9скачиваний за 30 дней0лайковвеса обновлены13 июн 2026

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

nihalenc/berturk-duygu-analizi — модель классификации текста, дообученная на основе регистрозависимого турецкого BERT-энкодера dbmdz/bert-base-turkish-cased. Она предназначена для анализа тональности или эмоциональной окраски турецких текстов. Архитектура — BERT для классификации последовательностей; модель содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов.

В карточке указаны результаты оценки: accuracy 0,8711 и macro F1 0,8705. Модель распространяется по лицензии MIT. README не описывает обучающий датасет и конкретные классы тональности, поэтому применимость к определённым типам текста и категориям эмоций по карточке оценить нельзя.

Сценарии применения

определение тональности турецких отзывов
классификация эмоциональной окраски турецких сообщений
анализ настроений в турецких публикациях

Ограничения

README не сообщает, на каком датасете обучалась модель, и не раскрывает набор классов. Указанные метрики относятся только к оценочному набору из карточки и не гарантируют такое же качество на других данных.

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

berturk-duygu-analizi

This model is a fine-tuned version of dbmdz/bert-base-turkish-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.2841
Accuracy: 0.8711
F1 Macro: 0.8705
Precision Macro: 0.8718
Recall Macro: 0.8699

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: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 0.1
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1 Macro	Precision Macro	Recall Macro
1.1137	0.4673	250	0.3678	0.8031	0.8021	0.8051	0.8050
0.3016	0.9346	500	0.2808	0.8489	0.8470	0.8463	0.8487
0.2273	1.4019	750	0.2681	0.8606	0.8604	0.8607	0.8612
0.2108	1.8692	1000	0.2583	0.8627	0.8614	0.8623	0.8624
0.1439	2.3364	1250	0.2667	0.8688	0.8679	0.8680	0.8702
0.1511	2.8037	1500	0.2584	0.8646	0.8637	0.8653	0.8632
0.1096	3.2710	1750	0.2676	0.8681	0.8673	0.8675	0.8678
0.1046	3.7383	2000	0.2745	0.8690	0.8681	0.8690	0.8681
0.0823	4.2056	2250	0.2796	0.8707	0.8703	0.8715	0.8697
0.0727	4.6729	2500	0.2841	0.8711	0.8705	0.8718	0.8699

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 4.8.5
Tokenizers 0.22.2

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: BertForSequenceClassification
Ревизия весов: 84c29d3