Русскоязычная модель на базе RuBERT для определения нейтральной, положительной или отрицательной тональности коротких текстов.
10 349скачиваний за 30 дней13лайковвеса обновлены23 апр 2025
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
r1char9/rubert-base-cased-russian-sentiment — русскоязычная модель классификации тональности на основе RuBERT, разработанная дообучением базовой модели для многоклассового анализа коротких текстов. Она присваивает тексту одну из трёх меток: нейтральная, положительная или отрицательная тональность.
Модель подходит для автоматической разметки тональности в новостях, отзывах и других коротких русскоязычных текстах. Для обучения использованы Russian News Dataset, Linis Crowd 2015 и 2016, RuReviews и RuSentiment. Архитектура — BERT для классификации последовательностей, размер — 205,1 млн параметров, максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch.
Модель предназначена для русского языка; качество на длинных текстах, других языках и тематиках за пределами обучающих данных не подтверждено. Лицензия — MIT.
Сценарии применения
определение тональности русскоязычных отзывов
анализ тональности новостных заголовков и коротких новостей
автоматическая разметка положительных и отрицательных комментариев
подсчёт нейтральных, позитивных и негативных упоминаний
Ограничения
Модель ориентирована на короткие тексты на русском языке; надёжность на длинных текстах, других языках и вне тематик обучающих наборов не подтверждена. Выход ограничен тремя классами: нейтральный, положительный и отрицательный.
Для каких профессий подходит6
Разделы каталога профессий, в задачах которых используется эта модель
Модель RuBERT была дообучена на задачу sentiment classification для короткого Russian корпуса.
Задача представляет собой multi-class classification со следующими метками:
0: neutral
1: positive
2: negative
Usage
from transformers import pipeline
model = pipeline(model="r1char9/rubert-base-cased-russian-sentiment")
model("Привет, ты мне нравишься!")
# [{'label': 'positive', 'score': 0.8220236897468567}]