/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
22 дек 2023

hinglish-twitter-roberta-base-sentiment

Классификация текстаТекст → label

RoBERTa, дообученная для определения тональности сообщений на хинглише с учётом эмодзи.

252скачиваний за 30 дней3лайкавеса обновлены18 фев 2024

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

pascalrai/hinglish-twitter-roberta-base-sentiment — модель классификации тональности текста на основе RoBERTa с 151,8 млн параметров. Она дообучена на наборе mteb/tweet_sentiment_extraction, преобразованном в текст на хинглише, и предназначена для анализа сообщений в соцсетях на хинглише, в том числе с эмодзи. Модель принимает текст и выдаёт метку тональности; в README сообщается F1 0,74 и test loss 0,6 на отложенных данных этого набора.

Автор отмечает, что модель лучше подходит для анализа текста с эмодзи: эмодзи могут влиять на результат сильнее слов. Качество на сообщениях без эмодзи не оценивалось, поэтому результаты для такого ввода не подтверждены. Контекст составляет 514 токенов. Модель распространяется по лицензии MIT.

Сценарии применения

  • определение тональности твитов на хинглише
  • анализ тональности сообщений с эмодзи
  • классификация пользовательских отзывов на хинглише

Ограничения

Эмодзи могут влиять на предсказание сильнее слов; качество на тексте без эмодзи не оценивалось. Указанные метрики получены на отложенных данных конкретного набора и не гарантируют качество на других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Overview

The model is more optimized for hinglish + emojis and emojis seem to take more attention than the hinglish words. This may be due to the base model being trained for emoji classification and then later trained for sentiment analysis.

This model is better if emojis are to be also included for sentiment analysis. No Evaluation is done for data with only text and no emojis.

The model was fine-tuned with the dataset: mteb/tweet_sentiment_extraction from hugging face converted to Hinglish text.

The model has a test loss of 0.6 and an f1 score of 0.74 on the unseen data from the dataset.

Model Inference using pipeline

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-classification", model="pascalrai/hinglish-twitter-roberta-base-sentiment")
pipe("tu mujhe pasandh heh")

[{'label': 'positive', 'score': 0.7615439891815186}]

Model Inference

# Load model directly
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer = AutoTokenizer.from_pretrained("pascalrai/hinglish-twitter-roberta-base-sentiment")
model = AutoModelForSequenceClassification.from_pretrained("pascalrai/hinglish-twitter-roberta-base-sentiment")

inputs = ["tum kon ho bhai","tu mujhe pasandh heh"]
outputs = model(**tokenizer(inputs, return_tensors='pt', padding=True))

p = torch.nn.Softmax(dim = 1)(outputs.logits)
for index, each in enumerate(p.detach().numpy()):
    print(f"Text: {inputs[index]}")
    print(f"Negative: {round(float(each[0]),2)}\nNeutral: {round(float(each[1]),2)}\nPositive: {round(float(each[2]),2)}\n")

Text: tum kon ho bhai
Negative: 0.02
Neutral: 0.91
Positive: 0.07

Text: tu mujhe pasandh heh
Negative: 0.01
Neutral: 0.22
Positive: 0.76

Possible Future Direction:

  1. Pre-train the Hinglish model with both Hindi, Hinglish, and English datasets. Current tokens for hinlish have very small sizes i.e. low-priority vocabs are used mostly.

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
RobertaForSequenceClassification
Ревизия весов
6490298

0 моделей