Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 25 июл 2026

Ссылки

Hugging Face

bert-emotion

nova4i2

Классификация текстаТекст → label3 профессии

Дообученная BERT-модель для классификации текста по эмоциональным категориям.

6скачиваний за 30 дней0лайковвеса обновлены27 июл 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

nova4i2/bert-emotion — модель классификации текста на основе BERT, дообученная автором на неизвестном наборе данных. Она предназначена для определения эмоциональных категорий в тексте. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов.

На указанном в карточке наборе для оценки модель достигла accuracy 0,928 и F1 0,9283 при loss 0,1684. Эти результаты нельзя уверенно переносить на другие данные, поскольку обучающий и оценочный наборы не описаны. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

определение эмоций в коротких сообщениях
анализ эмоциональной окраски отзывов
классификация пользовательских комментариев по эмоциям

Ограничения

Обучающий датасет и набор эмоциональных меток не описаны, поэтому область применимости и переносимость приведённых метрик неясны. Максимальная длина входа — 512 токенов.

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-emotion

This model is a fine-tuned version of bert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.1684
Accuracy: 0.928
F1: 0.9283

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: 32
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
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.2228	1.0	500	0.2294	0.9225	0.9229
0.1349	2.0	1000	0.1547	0.944	0.9440
0.0931	3.0	1500	0.1585	0.935	0.9350

Framework versions

Transformers 5.13.1
Pytorch 2.11.0+cu128
Datasets 5.0.0
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: BertForSequenceClassification
Ревизия весов: 929dbd3