Характеристики

Контекст: 512 токенов
Параметры: 132 млн
Архитектура: camembert · dense
Базовая модель: wangchanberta-base-att-spm-uncased
Опубликована: 19 сен 2023

Ссылки

Hugging Face

augment-sentiment-finnlp-th

nlp-chula

Классификация текстаТекст → label3 профессии

Дообученная на тайском тексте модель для анализа тональности и классификации текста.

16скачиваний за 30 дней3лайкавеса обновлены31 окт 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

augment-sentiment-finnlp-th — модель классификации тайского текста, созданная дообучением airesearch/wangchanberta-base-att-spm-uncased. Она предназначена для анализа тональности и других задач классификации текста. Модель построена на архитектуре CamemBERT и содержит 132,5 млн параметров; максимальная длина контекста — 512 токенов.

На оценочном наборе указаны точность 0,7415 и функция потерь 0,8684. В карточке не описаны состав и метки обучающего набора, поэтому область применения этих показателей и качество для отдельных сценариев оценить нельзя. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

определение тональности тайских отзывов
классификация сообщений на тайском языке
анализ эмоциональной окраски тайских публикаций

Ограничения

Точность на указанном оценочном наборе составляет 0,7415, но его состав и классы не описаны. Лицензия и подробности обучающих данных в предоставленной карточке отсутствуют.

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 I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей 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

augment-sentiment-finnlp-th

This model is a fine-tuned version of airesearch/wangchanberta-base-att-spm-uncased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.8684
Accuracy: 0.7415

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: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 4

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.7909	1.0	1024	0.8396	0.6304
0.6024	2.0	2048	0.6650	0.7267
0.4188	3.0	3072	0.6999	0.7489
0.2708	4.0	4096	0.8684	0.7415

Framework versions

Transformers 4.34.1
Pytorch 2.1.0+cu118
Datasets 2.14.6
Tokenizers 0.14.1

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: CamembertForSequenceClassification
Ревизия весов: 6d512d6