Дообученная модель DistilBERT классифицирует англоязычные отзывы о фильмах как положительные или отрицательные.
324скачиваний за 30 дней1лайквеса обновлены6 июл 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
Модель distilbert-base-uncased-rotten-tomatoes разработана TextAttack на основе DistilBERT и дообучена для классификации текстов на наборе rotten_tomatoes. Она определяет тональность рецензии на фильм: положительную или отрицательную. Модель использует архитектуру DistilBertForSequenceClassification и принимает текст длиной до 512 токенов; при обучении максимальная длина последовательности составляла 128 токенов.
При оценке на отложенной выборке модель достигла точности 0,84. Это специализированный классификатор англоязычных отзывов о фильмах, поэтому его результаты могут быть ненадёжны на других темах, языках или типах текстов. Доступна в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.
Сценарии применения
определение тональности рецензии на фильм
разметка отзывов о кино на положительные и отрицательные
анализ пользовательских комментариев о фильмах
Ограничения
Модель обучена на отзывах о фильмах и может хуже работать на текстах из других областей. При обучении использовалась максимальная длина последовательности 128 токенов, а точность на отложенной выборке составила около 0,84.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
This `distilbert-base-uncased` model was fine-tuned for sequence classificationusing TextAttack
and the rotten_tomatoes dataset loaded using the `nlp` library. The model was fine-tuned
for 3 epochs with a batch size of 128, a learning
rate of 1e-05, and a maximum sequence length of 128.
Since this was a classification task, the model was trained with a cross-entropy loss function.
The best score the model achieved on this task was 0.8395872420262664, as measured by the
eval set accuracy, found after 2 epochs.
For more information, check out [TextAttack on Github](https://github.com/QData/TextAttack).
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров