Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 14 июн 2026

Ссылки

Hugging Face

IMDB_Sentiment

shaanr

Классификация текстаТекст → label

Дообученная DistilBERT-модель определяет тональность англоязычных отзывов о фильмах.

7скачиваний за 30 дней0лайковвеса обновлены14 июн 2026

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

shaanr/IMDB_Sentiment — модель классификации тональности отзывов о фильмах, созданная дообучением DistilBERT distilbert-base-uncased. Она предназначена для определения тональности текста; в README приведены результаты на оценочной выборке: accuracy 0,9303 и loss 0,2330. Архитектура — DistilBertForSequenceClassification, формат весов — safetensors, максимальный контекст — 512 токенов.

Модель ориентирована на английский язык и может применяться для анализа отзывов и распределения текстов по тональности. Лицензия — Apache-2.0. Датасет обучения и подробности об ограничениях в карточке не описаны.

Сценарии применения

определение тональности отзыва о фильме
разметка отзывов как положительных или отрицательных
анализ тональности англоязычных рецензий
автоматическая сортировка отзывов по эмоциональной окраске

Ограничения

Датасет обучения не указан, а результаты оценки не описывают качество на других типах текстов. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IMDB_Sentiment

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2330
Accuracy: 0.9303

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: 16
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2286	1.0	1563	0.2189	0.9250
0.1478	2.0	3126	0.2330	0.9303

Framework versions

Transformers 5.12.0
Pytorch 2.11.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 6e64c3d