Характеристики

Контекст: 2 050 токенов
Параметры: 129 млн
Архитектура: roberta · dense
Библиотека: transformers
Опубликована: 31 авг 2026

Ссылки

bamibert-hotel-acsa-multilabel

Классификация текстаТекст → label3 профессии

RoBERTa-модель для многометочной классификации текста, предназначенная для анализа аспектов и тональности отзывов об отелях.

54скачиваний за 30 дней0лайковвеса обновлены13 сен 2026

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

bamibert-hotel-acsa-multilabel — модель классификации текста на архитектуре RoBERTa с 129 млн параметров. Она обучена с нуля на неизвестном наборе данных и предназначена для многометочной классификации аспектов и тональности отзывов об отелях; карточка не приводит подробностей о метках или оценке качества. Модель принимает текст и выдаёт метки классов. Максимальная длина контекста — 2050 токенов. Используется библиотека Transformers, веса доступны в формате safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

многометочная классификация отзывов об отелях
определение тональности отзывов гостей
выявление аспектов качества гостиничного обслуживания

Ограничения

Модель обучена на неизвестном наборе данных, а сведения о метках, метриках и проверке качества отсутствуют. Контекст ограничен 2050 токенами.

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.1Корпоративные функцииСтратегия, продукт и бизнес-моделиAI помогает принимать продуктовые и стратегические решения на основе свидетельств, а не только интуиции.19 задач2 459моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bamibert-hotel-acsa-multilabel

This model was trained from scratch on an unknown dataset.

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: 5e-05
train_batch_size: 8
eval_batch_size: 32
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3.0

Framework versions

Transformers 5.5.0
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForSequenceClassification
Ревизия весов: 14bb63e