Дообученная IndoBERT для классификации индонезийских текстов по семи базовым эмоциям и нейтральному состоянию.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
paranroman/indobert-ekman-emotion — модель классификации эмоций в тексте на индонезийском языке, разработанная на основе IndoBERT. Она дообучена на датасете диалогов на индонезийском языке, стилизованных под общение глухих, и предсказывает одну из семи меток: отвращение, удивление, гнев, нейтральное состояние, грусть, радость или страх. Модель построена на архитектуре BERT с классификационной головой, содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов.
Модель подходит для определения эмоциональной окраски индонезийских высказываний и анализа диалогов. Она распространяется под лицензией MIT. Её классификация ограничена перечисленными семью категориями, а обучение на специфическом корпусе диалогов может влиять на качество при обработке других стилей и жанров текста.
Модель предсказывает только семь указанных категорий эмоций. Она обучена на датасете диалогов в стиле общения глухих, поэтому её точность на текстах других жанров и стилей может отличаться.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Model klasifikasi emosi dasar Paul Ekman teks Bahasa Indonesia berbasis IndoBERT dengan dataset percakapan gaya bahasa tuli.
from transformers import pipeline
classifier = pipeline("text-classification", model="paranroman/indobert-ekman-emotion")
result = classifier("Aku sangat senang hari ini!")
print(result)
# [{'label': 'Senang', 'score': 0.99}]
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · text-classification
Подбираем GPU…