Классификатор RoBERTa для определения положительной или отрицательной тональности англоязычных отзывов о фильмах.
688скачиваний за 30 дней0лайковвеса обновлены20 мая 2021
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 textattack/roberta-base-rotten-tomatoes — классификатор текстовых последовательностей на архитектуре RoBERTa, дообученный TextAttack на наборе данных rotten_tomatoes. Она предназначена для определения тональности отзывов о фильмах и относит текст к одному из классов: положительному или отрицательному. Модель содержит около 151,8 млн параметров, поддерживает контекст до 514 токенов; при дообучении использовалась максимальная длина последовательности 128 токенов. На оценочной выборке авторы сообщают точность около 90,3%. Репозиторий содержит веса PyTorch и Flax.
Модель подходит для анализа коротких отзывов и демонстрации классификации тональности. Результаты могут быть менее надёжными на длинных текстах, других предметных областях, языках, отличных от английского, или формулировках, отличающихся от отзывов из обучающего набора. Лицензия в предоставленных данных не указана.
Сценарии применения
определение тональности отзыва о фильме
разделение рецензий на положительные и отрицательные
анализ эмоциональной окраски коротких отзывов
демонстрация классификации текста на основе RoBERTa
Ограничения
Модель обучена на англоязычных отзывах о фильмах и может хуже работать на других языках, в иных предметных областях и на длинных текстах. При дообучении использовалась максимальная длина последовательности 128 токенов.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
This `roberta-base` model was fine-tuned for sequence classificationusing TextAttack
and the rotten_tomatoes dataset loaded using the `nlp` library. The model was fine-tuned
for 10 epochs with a batch size of 64, a learning
rate of 2e-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 0.9033771106941839, 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