Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 8 мар 2024

Ссылки

distilbert-base-multilingual-cased-Sent_Negativo_Esp

Классификация текстаТекст → label3 профессии

Дообученная на базе DistilBERT модель для классификации тональности испанских текстов, в частности выявления негативных отзывов и высказываний.

3 356скачиваний за 30 дней0лайковвеса обновлены8 мар 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

rogelioplatt/distilbert-base-multilingual-cased-Sent_Negativo_Esp — дообученная модель Rogelio Platt на базе distilbert-base-multilingual-cased для классификации тональности испанских текстов с определением негативной тональности. Модель использует архитектуру DistilBERT для классификации последовательностей, работает с текстом и принимает контекст длиной до 512 токенов.

В README указаны точность 0,9483 и значение loss 0,1577 на оценочном наборе, однако набор данных назван None, а описание обучения и оценки не раскрыто. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет состав классов и ограничения применения, поэтому результаты следует проверять на данных целевого сценария.

Сценарии применения

выявление негативных отзывов на испанском языке
фильтрация негативных комментариев
анализ тональности сообщений клиентов
первичная разметка испанских текстов по тональности

Ограничения

В README не описаны обучающий набор и состав классов; приведённые метрики относятся к оценочному набору, подробности которого отсутствуют. Предельная длина контекста — 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-multilingual-cased-Sent_Negativo_Esp

This model is a fine-tuned version of distilbert-base-multilingual-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1577
Accuracy: 0.9483

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 12
eval_batch_size: 12
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3799	1.0	60	0.3237	0.9119
0.33	2.0	120	0.2157	0.9231
0.2531	3.0	180	0.1577	0.9483

Framework versions

Transformers 4.28.0
Pytorch 2.1.0+cu121
Datasets 2.18.0
Tokenizers 0.13.3

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: DistilBertForSequenceClassification
Ревизия весов: ca5a45b