bert-base-uncased-SST-2
Дообученная TextAttack модель BERT определяет положительную или отрицательную тональность английского текста.
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
Это модель классификации текста, опубликованная TextAttack: BERT-base-uncased, дообученная для определения тональности по набору SST-2. Она относит входной текст к положительному или отрицательному классу и подходит для анализа коротких отзывов и фраз на английском языке.
Модель использует архитектуру BERT для классификации последовательностей, содержит около 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Доступны веса PyTorch и Flax. Карточка предлагает использовать её через Transformers как text-classification pipeline; лицензия в доступных сведениях не установлена.
Сценарии применения
- определение тональности коротких отзывов
- классификация английских фраз как положительных или отрицательных
- анализ отзывов пользователей о продукте
- оценка эмоциональной окраски предложений
Ограничения
Модель настроена на бинарную тональную классификацию SST-2 и английский текст; она не предназначена для надёжного выявления более тонких категорий эмоций или переноса на другие языки без дополнительной проверки.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…
- Класс архитектуры
- BertForSequenceClassification
- Ревизия весов
- 95f0f6f