Характеристики

Контекст: 512 токенов
Параметры: 152 млн
Архитектура: bert · dense
Базовая модель: bert-base-finnish-uncased-v1
Опубликована: 15 янв 2024

Ссылки

Hugging Face

bert-finnish-sentiment-analysis-v2

nisancoskun

Классификация текстаТекст → label4 профессии

Дообученная финская BERT-модель для классификации тональности текста.

31скачиваний за 30 дней0лайковвеса обновлены19 окт 2025

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

nisancoskun/bert-finnish-sentiment-analysis-v2 — модель классификации текста на основе BERT, дообученная на TurkuNLP/bert-base-finnish-uncased-v1 с использованием набора данных nisancoskun/finnish_sentiment_data. Она предназначена для определения тональности финскоязычных текстов. На оценочном наборе модель достигла точности 0,9578 при значении loss 0,2362. Модель содержит 151,7 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в форматах PyTorch и safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

Определение тональности финских отзывов
Классификация финских комментариев по тональности
Анализ эмоциональной окраски финских сообщений

Ограничения

Оценка точности 0,9578 относится к указанному оценочному набору и не гарантирует аналогичных результатов на других данных. Карточка не уточняет классы тональности и подробности обучающего набора.

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 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 II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finnish-sentiment-analysis-v2

This model is a fine-tuned version of TurkuNLP/bert-base-finnish-uncased-v1 on the nisancoskun/finnish_sentiment_data dataset. It achieves the following results on the evaluation set:

Loss: 0.2362
Accuracy: 0.9578

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: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3163	1.0	994	0.2892	0.9283
0.1355	2.0	1988	0.2663	0.9470
0.037	3.0	2982	0.2362	0.9578

Framework versions

Transformers 4.32.1
Pytorch 2.1.2
Datasets 2.14.6
Tokenizers 0.13.3

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: BertForSequenceClassification
Ревизия весов: a3a3eb5