Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Опубликована: 2 янв 2023

Ссылки

Hugging Face

beto-sentiment-analysis-finetuned

stinoco

Классификация текстаТекст → label4 профессии

Дообученная BERT-модель для классификации тональности текста.

145скачиваний за 30 дней0лайковвеса обновлены26 янв 2023

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

stinoco/beto-sentiment-analysis-finetuned — дообученная модель классификации текста на базе finiteautomata/beto-sentiment-analysis. Она предназначена для анализа тональности текста. Модель построена на архитектуре BERT и содержит 137,1 млн параметров; максимальный контекст составляет 512 токенов.

На оценочном наборе данных модель показала accuracy 0,7757 и F1 0,7773. Язык, состав обучающих данных, набор классов тональности и лицензия в доступных сведениях не описаны.

Сценарии применения

Определение тональности коротких текстовых отзывов
Классификация эмоциональной окраски сообщений
Анализ тональности пользовательских комментариев

Ограничения

Результаты приведены для оценочного набора неизвестного состава; обучающие данные и набор классов не описаны. Лицензия не указана в доступных сведениях.

Для каких профессий подходит4

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

beto-sentiment-analysis-finetuned

This model is a fine-tuned version of finiteautomata/beto-sentiment-analysis on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 1.4406
Accuracy: 0.7757
F1: 0.7773

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: 1e-05
train_batch_size: 32
eval_batch_size: 32
seed: 3380
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 35

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
2.5384	1.45	100	2.1387	0.2831	0.3049
2.1562	2.9	200	1.6375	0.4596	0.4873
1.5805	4.35	300	1.4332	0.5993	0.6377
1.4242	5.8	400	1.3355	0.6544	0.6565
1.1192	7.25	500	1.2845	0.6765	0.6854
0.9617	8.7	600	1.1512	0.6912	0.7167
0.829	10.14	700	1.0676	0.6801	0.7079
0.6889	11.59	800	1.0715	0.7022	0.7323
0.59	13.04	900	1.1065	0.7316	0.7392
0.5129	14.49	1000	1.1585	0.7059	0.7382
0.4278	15.94	1100	1.1106	0.75	0.7582
0.3728	17.39	1200	1.1561	0.7537	0.7679
0.3142	18.84	1300	1.1755	0.7537	0.7667
0.275	20.29	1400	1.2095	0.7574	0.7707
0.2251	21.74	1500	1.3647	0.7574	0.7674
0.2175	23.19	1600	1.3127	0.7537	0.7635
0.1923	24.64	1700	1.3494	0.7794	0.7760
0.1753	26.09	1800	1.4221	0.7684	0.7658
0.1484	27.54	1900	1.3572	0.7684	0.7727
0.1455	28.99	2000	1.4063	0.7757	0.7747
0.131	30.43	2100	1.3754	0.7721	0.7730
0.1125	31.88	2200	1.4302	0.7757	0.7740
0.1203	33.33	2300	1.4146	0.7684	0.7714
0.1083	34.78	2400	1.4406	0.7757	0.7773

Framework versions

Transformers 4.26.0
Pytorch 1.13.1+cu116
Datasets 2.8.0
Tokenizers 0.13.2

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: 0736a35