/ Модель

Характеристики

Контекст
514 токенов
Параметры
81,2 млн
Архитектура
roberta · dense
Опубликована
14 фев 2023

klue-emotional-finetuned-emotion

Классификация текстаТекст → label3 профессии

Модель RoBERTa для классификации эмоций в тексте.

134скачиваний за 30 дней0лайковвеса обновлены14 фев 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

yhchoi/klue-emotional-finetuned-emotion — модель классификации текста, дообученная на базе klue/roberta-small. Она предназначена для определения эмоциональных классов в тексте. Модель построена на архитектуре RoBERTa и содержит 81,2 млн параметров; максимальная длина контекста составляет 514 токенов. Доступны веса PyTorch.

Карточка не раскрывает набор эмоциональных классов, обучающие данные, качество на тестах и конкретные сценарии применения. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • определение эмоций в коротких текстовых сообщениях
  • анализ эмоциональной окраски отзывов
  • разметка эмоций в пользовательских комментариях

Ограничения

Набор эмоциональных классов, обучающие данные и качество модели не описаны. Максимальная длина контекста — 514 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

klue-emotional-finetuned-emotion

This model is a fine-tuned version of klue/roberta-small 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: 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: 3

Training results

Framework versions

  • Transformers 4.26.1
  • Pytorch 1.8.1+cu111
  • Datasets 2.9.0
  • Tokenizers 0.13.2

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
RobertaForSequenceClassification
Ревизия весов
c68ab10

0 моделей