Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense

Ссылки

Hugging Face

tiny-distilbert-base-uncased-finetuned-sst-2-english

sshleifer

Классификация текстаТекст → label4 профессии

Компактная модель DistilBERT для определения положительной или отрицательной тональности английского текста.

3 314скачиваний за 30 дней0лайковвеса обновлены12 мая 2020

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

sshleifer/tiny-distilbert-base-uncased-finetuned-sst-2-english — компактная модель классификации текста из семейства DistilBERT, опубликованная sshleifer на Hugging Face. Она предназначена для определения тональности английского текста по двум классам: положительная или отрицательная; её можно использовать через Transformers как text-classification.

Модель принимает текст и выдаёт метку класса с оценкой. Архитектура — DistilBertForSequenceClassification; максимальный контекст составляет 512 токенов. Репозиторий содержит веса PyTorch и TensorFlow. Доступная карточка не описывает лицензию, набор обучения или численные показатели качества, поэтому нельзя делать выводы о них.

Сценарии применения

определение тональности отзывов на английском языке
классификация сообщений клиентов как положительных или отрицательных
анализ эмоциональной окраски англоязычных комментариев

Ограничения

Модель настроена на бинарную классификацию положительной и отрицательной тональности и английский язык; она не предназначена для надёжного выявления нейтральных или смешанных оценок. Карточка не приводит метрик качества.

Для каких профессий подходит4

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 II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

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: DistilBertForSequenceClassification
Ревизия весов: 40f5ccb