Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Библиотека: transformers
Опубликована: 20 сен 2026

Ссылки

Hugging Face

text_classification_senti_analysis

nilamgaichor

Классификация текстаТекст → label4 профессии

Дообученная DistilBERT-модель для классификации текста и анализа тональности.

46скачиваний за 30 дней0лайковвеса обновлены21 сен 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

Модель nilamgaichor/text_classification_senti_analysis — дообученная версия DistilBERT для классификации текста. По названию репозитория она предназначена для анализа тональности; README сообщает точность 0,9674 и loss 0,1275 на оценочной выборке, но не описывает набор данных и метрики подробнее. Модель принимает текст и возвращает метки классов; контекст ограничен 512 токенами.

Модель работает на Transformers, веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Данные не уточняют языки, состав классов и ограничения применения, поэтому результаты оценки нельзя уверенно переносить на другие домены или языки.

Сценарии применения

определение тональности отзыва
классификация эмоциональной окраски комментария
анализ настроения сообщений клиентов

Ограничения

Язык, метки классов и оценочный набор данных не описаны, поэтому качество за пределами указанной выборки не установлено. Контекст ограничен 512 токенами.

Для каких профессий подходит4

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

text_classification_senti_analysis

This model is a fine-tuned version of nilamgaichor/text_classification_senti_analysis on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.1275
Accuracy: 0.9674

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: 16
eval_batch_size: 16
seed: 42
optimizer: Use adamw_torch_fused with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.132	1.0	938	0.0876	0.9693
0.0464	2.0	1876	0.1275	0.9674

Framework versions

Transformers 4.57.6
Pytorch 2.8.0
Datasets 4.5.0
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: DistilBertForSequenceClassification
Ревизия весов: dd023ea