Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 24 ноя 2024

Ссылки

Hugging Face

sentiment_analysis_model

tashrifmahmud

Классификация текстаТекст → label3 профессии

Дообученная на IMDB англоязычная модель DistilBERT для определения тональности текстовых отзывов.

16скачиваний за 30 дней1лайквеса обновлены24 ноя 2024

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 sentiment_analysis_model разработана как дообученная версия distilbert/distilbert-base-uncased для классификации текста по тональности. Она обучена на датасете IMDB и предназначена для определения тональности отзывов, в частности положительных и отрицательных оценок фильмов. Модель использует архитектуру DistilBERT и принимает текст с контекстом до 512 токенов.

В README сообщается точность 0,9310 и значение loss 0,2366 на оценочной выборке. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0. Она рассчитана на английский язык и домен отзывов о кино; результаты на других типах текстов в карточке не приведены.

Сценарии применения

определение положительной или отрицательной тональности отзывов о фильмах
автоматическая классификация отзывов IMDB
анализ тональности англоязычных пользовательских отзывов

Ограничения

Проверенные результаты приведены для оценочной выборки IMDB; качество на других типах текста не описано. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sentiment_analysis_model

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

Loss: 0.2366
Accuracy: 0.9310

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 adamw_torch 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
0.2215	1.0	1563	0.2071	0.9213
0.1455	2.0	3126	0.2366	0.9310

Framework versions

Transformers 4.46.2
Pytorch 2.5.1+cu121
Datasets 3.1.0
Tokenizers 0.20.3

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: 0262ab2