/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Архитектура
bert · dense

bert-base-multilingual-cased-nsmc

Классификация текстаТекст → label3 профессии

Дообученная на корейских отзывах о фильмах модель BERT для классификации тональности текста.

244скачиваний за 30 дней9лайковвеса обновлены2 июн 2021

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

Это модель BERT multilingual basecased, дообученная автором репозитория на корейском корпусе отзывов о фильмах NSMC (Naver Sentiment Movie Corpus). Она предназначена для классификации тональности корейских текстов, прежде всего отзывов о кино, и может использоваться через конвейер sentiment-analysis в Transformers. Модель содержит около 205,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метку класса тональности. В репозитории указаны веса PyTorch.

Модель подходит для автоматической разметки отзывов зрителей и анализа мнений о фильмах. Хотя базовая модель многоязычная, дообучение проводилось на корейском корпусе; подтверждённая основная языковая специализация этой версии — корейский. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • определение тональности корейских отзывов о фильмах
  • автоматическая разметка положительных и отрицательных мнений зрителей
  • анализ настроений в корейских пользовательских отзывах

Ограничения

Модель дообучена на корейских отзывах о фильмах, поэтому её пригодность для других языков и тематик не подтверждена. Максимальная длина входа — 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT multilingual basecased finetuned with NSMC

This model is a fine-tune checkpoint of bert-base-multilingual-cased, fine-tuned on NSMC(Naver Sentiment Movie Corpus).

Usage

You can use this model directly with a pipeline for sentiment-analysis:

>>> from transformers import pipeline
>>> classifier = pipeline(
    "sentiment-analysis", model="sangrimlee/bert-base-multilingual-cased-nsmc"
)
>>> classifier("흠...포스터보고 초딩영화줄....오버연기조차 가볍지 않구나.")
>>> classifier("액션이 없는데도 재미 있는 몇안되는 영화")

[{'label': 'negative', 'score': 0.9642567038536072}]
[{'label': 'positive', 'score': 0.9970554113388062}]

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
BertForSequenceClassification
Ревизия весов
47fdca1

0 моделей