Русскоязычная BERT-модель для классификации тональности отзывов об учебном процессе.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Модель seninoseno/rubert-base-cased-sentiment-study-feedbacks-solyanka — русскоязычная модель классификации тональности отзывов об учебном процессе. Она дообучена для этой предметной области на основе blanchefort/rubert-base-cased-sentiment-rurewiews, который, согласно карточке, основан на DeepPavlov/rubert-base-cased-conversational. Модель использует архитектуру BERT с классификационной головой BertForSequenceClassification, содержит 205,1 млн параметров и принимает последовательности длиной до 512 токенов.
Модель предназначена для определения тональности отзывов об обучении и может применяться при анализе обратной связи студентов. Доступна в формате PyTorch; метаданные указывают лицензию? В карточке лицензия не приведена.
Модель специализирована на отзывах об учебном процессе, поэтому её качество на текстах других тематик может быть ниже. Контекст ограничен 512 токенами.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a blanchefort/rubert-base-cased-sentiment-rurewiews model finetuned for the subject area of study process feedback. Based on DeepPavlov/rubert-base-cased-conversational model.
From MOAD.dev with <3
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…