Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 10 апр 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-emotion

vaariis

Классификация текстаТекст → label3 профессии

Дообученная на DistilBERT модель классифицирует английский текст по эмоциональным категориям.

20скачиваний за 30 дней0лайковвеса обновлены21 апр 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

vaariis/distilbert-base-uncased-finetuned-emotion — модель классификации текста на основе DistilBERT, дообученная разработчиком vaariis для распознавания эмоций. Она принимает текст и относит его к эмоциональным классам; точный набор классов и обучающий датасет в карточке не раскрыты. Модель рассчитана на английский текст: базовая модель использует uncased-токенизацию, а идентификатор указывает на англоязычный вариант DistilBERT.

В README указаны результаты на оценочном наборе: accuracy 0,9205 и F1 0,9208. Контекст модели — до 512 токенов. Веса опубликованы в формате PyTorch по лицензии Apache-2.0. Показатели относятся к указанному оценочному набору и сами по себе не гарантируют качество на других данных; классы эмоций и состав обучающей выборки не описаны.

Сценарии применения

определение эмоций в коротких сообщениях
анализ тональности пользовательских отзывов
разметка эмоциональной окраски комментариев
сортировка текстовых обращений по эмоциональному тону

Ограничения

В карточке не указаны конкретные эмоциональные классы и обучающий датасет. Результаты оценки могут не переноситься на тексты из других источников или на языки, отличные от английского.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели 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 an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2218
Accuracy: 0.9205
F1: 0.9208

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
0.8262	1.0	250	0.3223	0.9005	0.8971
0.2474	2.0	500	0.2218	0.9205	0.9208

Framework versions

Transformers 4.18.0
Pytorch 1.10.0+cu111
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: 8a286e0