Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 25 мая 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

uygarkurt

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель для классификации текста по эмоциям.

16скачиваний за 30 дней0лайковвеса обновлены25 мая 2022

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

uygarkurt/distilbert-base-uncased-finetuned-emotion — модель классификации текста на основе DistilBERT, дообученная на наборе данных emotion. Она предназначена для определения эмоциональной категории текста. В оценке на тестовом наборе указаны accuracy 0,92 и F1 0,92; контекст модели составляет 512 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

Модель подойдёт для классификации коротких текстовых сообщений по эмоциям, например публикаций или отзывов. README не описывает набор классов, языки обучения и ограничения применения, поэтому нельзя надёжно определить, какие именно эмоции распознаются и насколько модель пригодна для языков, отличных от английского.

Сценарии применения

определение эмоций в коротких сообщениях
анализ эмоциональной окраски отзывов
разметка публикаций по эмоциональной категории

Ограничения

README не перечисляет распознаваемые классы эмоций и не сообщает о языках обучающих данных. Указанные метрики относятся к оценочному набору emotion и сами по себе не гарантируют качество на других данных.

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

distilbert-base-uncased-finetuned-emotion

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

Loss: 0.2156
Accuracy: 0.92
F1: 0.9200

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.8096	1.0	250	0.3081	0.9005	0.8974
0.2404	2.0	500	0.2156	0.92	0.9200

Framework versions

Transformers 4.19.2
Pytorch 1.11.0+cu113
Datasets 2.2.2
Tokenizers 0.12.1

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: DistilBertForSequenceClassification
Ревизия весов: f70e9c2