Характеристики
- Контекст
- 512 токенов
- Параметры
- 137 млн
- Архитектура
- bert · dense
- Опубликована
- 26 фев 2023
Ссылки
bert-it-emotion
Модель на базе BERT классифицирует итальянский текст по четырём эмоциям: радость, гнев, грусть и страх.
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
pysentimiento/bert-it-emotion — модель классификации текста, опубликованная проектом pysentimiento. Она предназначена для определения эмоций в итальянском тексте и относит его к одному из четырёх классов: радость, гнев, грусть или страх. Модель использует архитектуру BERT с головой классификации последовательностей; размер составляет 137,1 млн параметров, контекст — до 512 токенов.
Модель принимает текст и выдаёт метки эмоций с оценками классов. Она подходит для анализа эмоциональной окраски сообщений и других коротких текстов на итальянском языке. Проверенные источники не сообщают лицензию этой модели; отдельная карточка на Hugging Face отсутствует, поэтому дополнительные гарантии качества и ограничения применения установить нельзя.
Сценарии применения
- определение эмоции в итальянском сообщении
- анализ эмоциональной окраски итальянских публикаций
- разметка текстов на радость, гнев, грусть и страх
Ограничения
Классификация ограничена четырьмя эмоциями: радостью, гневом, грустью и страхом. Доступные источники не дают подробных сведений о качестве модели на разных типах текста.
Для каких профессий подходит3
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
Подбираем GPU…
- Класс архитектуры
- BertForSequenceClassification
- Ревизия весов
- 24abd20