Компактная BERT-модель для классификации тональности текста, прежде всего на бахасском языке.
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
patrickxchong/bert-tiny-bahasa-cased-sentiment — компактная модель классификации текста для анализа тональности, разработанная как proof of concept на основе BERT и дообученная на данных, собранных huseinzol05. Модель содержит 18 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Репозиторий предоставляет веса в формате TensorFlow.
Модель предназначена для определения тональности текста, в первую очередь на бахасском языке; в метаданных также отмечена поддержка английского и многоязычность. Она может подойти для прототипов и лёгких сценариев анализа отзывов или коротких сообщений. Лицензия — Apache-2.0.
Это proof of concept, поэтому качество на прикладных данных может быть ограниченным. README не приводит метрик качества или подробностей о составе обучающей выборки.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Proof of concept of creating a sentiment analysis model with using https://huggingface.co/malay-huggingface/bert-base-bahasa-cased as the base model.
Tokenizer is copied directly from https://huggingface.co/malay-huggingface/bert-base-bahasa-cased.
Sentiment analysis fine tuning was done with data compiled by huseinzol05 at https://github.com/huseinzol05/malay-dataset/tree/master/sentiment.
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.