Характеристики

Контекст: 512 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: electra · dense
Опубликована: 6 мая 2022

Ссылки

Hugging Face

kote_for_easygoing_people

searle-j

Классификация текстаТекст → label3 профессии

Модель классифицирует эмоции в корейских онлайн-комментариях и других коротких текстах.

2 805скачиваний за 30 дней1лайквеса обновлены6 мая 2022

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

Модель разработал Jeon Duyoung (searle-j) для классификации эмоций в корейских онлайн-комментариях. Это ElectraForSequenceClassification на основе beomi/KcELECTRA-base, дообученная на наборе KOTE (Korean Online That-gul Emotions Dataset); она относит текст к нескольким эмоциональным категориям, включая недовольство, доброжелательность, восхищение, благодарность, грусть и гнев. Модель принимает текст и выдаёт метки классов с оценками. Контекст — до 512 токенов, размер — 151,7 млн параметров.

Модель предназначена для анализа эмоций и тональности корейских комментариев и публикаций. В репозитории указана лицензия MIT. В документации проекта отмечено, что версия Trainer имеет несколько отличающиеся настройки и архитектуру по сравнению с вариантом из статьи, а её macro F1 составляет 0,55 против 0,56 у версии из статьи.

Сценарии применения

определение эмоций в комментариях на корейском языке
анализ реакций пользователей на публикации
выявление недовольства и жалоб в отзывах
поиск благодарности, восхищения и доброжелательности в сообщениях

Ограничения

Модель рассчитана на корейские тексты, а не на универсальную классификацию эмоций для разных языков. Для версии Trainer в документации проекта указана macro F1 0,55.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

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: ElectraForSequenceClassification
Ревизия весов: 0d493bc