Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 6 мая 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-sst-2-english-zero-shot-sentiment-model

okho0653

Классификация текстаТекст → label3 профессии

Дообученная модель DistilBERT классифицирует тональность коротких текстов на английском языке.

164скачиваний за 30 дней1лайквеса обновлены6 мая 2022

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 oke0653/distilbert-base-uncased-finetuned-sst-2-english-zero-shot-sentiment-model — дообученная версия DistilBERT для классификации тональности англоязычного текста. В карточке указано, что она основана на distilbert-base-uncased-finetuned-sst-2-english; заявление о zero-shot в названии репозитория не подтверждено описанием модели.

Модель принимает текст и присваивает ему класс тональности. Она построена на DistilBERT, использует PyTorch и поддерживает контекст до 512 токенов. Подходит для анализа тональности коротких английских текстов, например отзывов и комментариев. Лицензия — Apache-2.0.

Сценарии применения

определение положительной или отрицательной тональности отзывов
анализ тональности комментариев
классификация отзывов о товарах и услугах
оценка эмоциональной окраски коротких англоязычных сообщений

Ограничения

Карточка не приводит подробностей об обучении и оценке; назначение zero-shot из названия не подтверждено. Контекст ограничен 512 токенами, а заявленная специализация относится к английскому языку.

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-sst-2-english-zero-shot-sentiment-model

This model is a fine-tuned version of distilbert-base-uncased-finetuned-sst-2-english on the None dataset.

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Framework versions

Transformers 4.18.0
Pytorch 1.11.0+cu113
Datasets 2.1.0
Tokenizers 0.12.1

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: DistilBertForSequenceClassification
Ревизия весов: 645ff7b