Характеристики

Контекст: 512 токенов
Параметры: 434 млн
Архитектура: bert · dense
Опубликована: 22 мая 2023

Ссылки

Hugging Face

indobert-emotion-classification

thoriqfy

Классификация текстаТекст → label3 профессии

Модель на базе IndoBERT классифицирует индонезийские тексты по эмоциональным категориям.

65скачиваний за 30 дней8лайковвеса обновлены20 июн 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

thoriqfy/indobert-emotion-classification — модель классификации текста на основе IndoBERT, опубликованная пользователем thoriqfy. Она предназначена для распознавания эмоциональных категорий в индонезийском тексте. Модель использует архитектуру BERT с головой BertForSequenceClassification, содержит около 433,9 млн параметров и принимает последовательности длиной до 512 токенов.

Модель можно применять для разметки эмоциональной окраски сообщений и анализа пользовательских текстов на индонезийском языке. Карточка показывает использование через Transformers и веса в форматах PyTorch и safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

определение эмоций в индонезийских сообщениях
анализ эмоциональной окраски отзывов на индонезийском языке
разметка эмоций в сообщениях пользователей
фильтрация текстов по эмоциональным категориям

Ограничения

Поддержка ограничена индонезийским языком; модель выдаёт классы эмоций, а не объяснение эмоциональной оценки. Качество и набор категорий эмоций в предоставленной карточке не описаны.

Для каких профессий подходит3

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

How to import:

from transformers import BertForSequenceClassification, BertTokenizer, BertConfig

tokenizer = BertTokenizer.from_pretrained("thoriqfy/indobert-emotion-classification")
config = BertConfig.from_pretrained("thoriqfy/indobert-emotion-classification")
model = BertForSequenceClassification.from_pretrained("thoriqfy/indobert-emotion-classification", config=config)

How to use:

from transformers import pipeline

nlp = pipeline("text-classification", model="thoriqfy/indobert-emotion-classification")

results = nlp("Your input text here")

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: 2df98a0