Характеристики
- Контекст
- 514 токенов
- Параметры
- 95,2 млн
- Размер весов
- 1,2 ГБ
- Архитектура
- roberta · dense
- Опубликована
- 25 ноя 2024
Ссылки
emotion-english-distilroberta-base-ONNX
ONNX-модель на базе DistilRoBERTa для классификации англоязычных текстов по семи эмоциональным категориям.
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
onnx-community/emotion-english-distilroberta-base-ONNX — ONNX-конверсия модели Emotion English DistilRoBERTa-base, разработанной Jochen Hartmann и опубликованной сообществом ONNX Community. Это дообученная версия архитектуры DistilRoBERTa для классификации эмоций в англоязычном тексте.
Модель предназначена для определения одной из семи категорий: anger, disgust, fear, joy, neutral, sadness и surprise. Она подходит для анализа эмоциональной окраски сообщений, отзывов, постов и других коротких текстов; репозиторий содержит несколько ONNX-вариантов, включая FP16, INT8 и другие квантованные версии.
Модель содержит около 95,2 млн параметров и поддерживает контекст до 514 токенов. Основные преимущества — компактность по сравнению с полноразмерными моделями RoBERTa и возможность запуска через ONNX Runtime или совместимые инструменты. Результаты зависят от английского языка, длины и стиля входного текста, а классификация ограничена фиксированными семью категориями эмоций. Сведения о лицензии в доступных источниках не установлены.
Сценарии применения
- определение эмоций в сообщениях пользователей
- анализ эмоциональной окраски отзывов
- мониторинг эмоций в постах социальных сетей
- классификация обращений в службе поддержки
- оценка тональности коротких англоязычных текстов
Ограничения
Модель рассчитана на англоязычные тексты и распознаёт только семь заранее заданных категорий эмоций. Качество может снижаться для длинных, неоднозначных, специализированных или существенно отличающихся от обучающих данных текстов.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
В репозитории нет весов в формате PyTorch/safetensors.
- Класс архитектуры
- RobertaForSequenceClassification
- Ревизия весов
- f4407dc