III.2Исследование рынка и маркетинг

Карточка модели Aardiiiiy/EmoSense-ID-Indonesian-Emotion-Classifier на Hugging Face совпадает с карточкой nahiar/emotion-analysis, поэтому описание составлено по ней. EmoSense-ID — модель классификации эмоций в текстах на индонезийском языке, разработанная на основе NusaBERT-base. Архитектура — BERT для классификации последовательностей; модель содержит 137,8 млн параметров, принимает текст длиной до 512 токенов и выдаёт категории эмоций по модели Плутчика: ожидание, гнев, отвращение, страх, радость, печаль, удивление и доверие. Модель обучена на индонезийских твитах и предназначена для анализа эмоциональных реакций в социальных сетях. При обучении применялся подбор гиперпараметров с Optuna. Доступна по лицензии MIT. Классификация может быть смещена из-за особенностей обучающих данных; результаты следует интерпретировать с учётом этого ограничения.

Ha1dir/emosi-indobert — модель классификации эмоций в тексте на индонезийском языке, в частности в сообщениях Twitter. Она основана на BERT и дообучена на indobenchmark/indobert-base-p1; содержит около 151,6 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель относит текст к одному из шести классов: гнев, страх, печаль, радость, любовь или нейтральная эмоция. Модель подходит для анализа тональности и эмоциональных реакций в индонезийских сообщениях, включая мониторинг публикаций в социальных сетях и разметку текстов по эмоциям. В карточке указано хранение весов в формате safetensors. Сведения о лицензии отсутствуют в предоставленных данных.

FiliSenti — модель классификации тональности текста, разработанная jjjardev и дообученная на базе XLM-RoBERTa-large. Она присваивает предложениям одну из трёх меток: негативная, нейтральная или позитивная. Модель предназначена прежде всего для текстов на тагальском и хилигайнонском языках, включая анализ отзывов и публикаций в социальных сетях; одна модель обрабатывает оба языка без переключения настроек. Модель обучена на 56 781 предложении из наборов TagaSenti и HiliSenti. В карточке указана точность 89,2% и macro F1 0,8915 на объединённой тестовой выборке. Доступны веса Safetensors и квантованная INT8-версия ONNX для локального запуска, в том числе на Android без постоянного подключения к интернету. Размер по метаданным — 658,7 млн параметров, максимальная длина контекста — 514 токенов. FiliSenti классифицирует тональность на уровне предложения, но не предназначена для распознавания эмоций и аспектного анализа. Качество может снижаться на сарказме, диалектах и темах, слабо представленных в обучающих данных; другие филиппинские языки не проверялись. Данные содержат неанонимизированные имена, места и описания событий. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование.

Модель разработана в рамках проекта hotel-review-nlp и представляет собой дообученную для бинарной классификации тональности грекоязычного текста модель nlpaueb/bert-base-greek-uncased-v1. Она использует архитектуру BERT для классификации последовательностей, содержит 140,1 млн параметров и принимает текст длиной до 512 токенов. Метки результата: отрицательная и положительная тональность. Модель предназначена для анализа коротких текстов на греческом языке, включая отзывы, комментарии и сообщения в соцсетях. На тестовом наборе из 767 примеров исходного корпуса политических твитов 2015 года указаны macro-F1 0,9086 и accuracy 0,9087. Эти результаты относятся к исходному домену корпуса; качество на отзывах об отелях отдельно не оценивалось. Модель обучена на корпусе DGurgurov/greek_sa с лицензией MIT. В карточке модели указана лицензия MIT. Токенизатор базовой модели включён в репозиторий; README сообщает о прежней проблеме с отсутствующими файлами токенизатора и её исправлении.

Японская модель для классификации текста по эмоциональным меткам, дообученная автором на базе line-corporation/line-distilbert-base-japanese. В качестве данных для обучения использован WRIME Ver2. Архитектура — DistilBERT с классификационной головой для последовательностей; модель работает с текстом и имеет контекст до 512 токенов. Модель предназначена для определения эмоциональной окраски японского текста, например коротких сообщений и высказываний. Использовать её можно в анализе пользовательских отзывов, сообщений и текстовых корпусов. Модель распространяется по лицензии CC BY-NC-ND 4.0; применимость лицензии к конкретному сценарию следует оценивать с учётом её условий.

AventIQ-AI подготовила модель Pythia-410m для анализа тональности отзывов. Это плотная модель семейства GPT-NeoX с примерно 454,2 млн параметров и контекстом до 2048 токенов. Модель дообучена на положительных и отрицательных отзывах IMDb и представлена в формате safetensors; в README также заявлена оптимизация float16 для уменьшения расхода памяти и ускорения вывода. Модель предназначена для классификации текста по тональности, например отзывов о товарах и фильмах. В README приведены метрики на задаче анализа тональности: accuracy и F1 — 0,56, precision — 0,68, recall — 0,56, поэтому качество может быть ограниченным. Разработчик отмечает, что результаты могут хуже переноситься на тематики за пределами обучающих данных; количественные метрики относятся к описанному эксперименту. Лицензия в предоставленных данных не указана.

ComparEdge разработала эту модель семантического поиска SaaS-продуктов и рекомендаций. Она сопоставляет запрос на естественном языке с описаниями инструментов в базе ComparEdge, чтобы находить подходящие сервисы по категории, сценарию использования, функциям и ценовым условиям. Модель дообучена для поиска на базе sentence-transformers/all-MiniLM-L6-v2. Это плотная BERT-модель с 25,9 млн параметров, которая принимает текст и создаёт эмбеддинги; максимальный контекст — 512 токенов. README сообщает о 331 продукте в каталоге и оценке на отложенных запросах: точность в топ-1 около 78%, в топ-5 — около 94%, MRR — 0,85. Для поиска нужны эмбеддинги товаров и индекс продуктов; в репозитории приведены готовые файлы для них и пример CLI. Модель предназначена для SaaS-рекомендаций и поиска в каталоге ComparEdge, а её обучающие данные охватывают 28 категорий. Метаданные указывают английский язык и лицензию Apache-2.0. Показатели качества относятся к описанной в README оценке и не гарантируют аналогичных результатов на других каталогах или запросах.

jkhan447/sarcasm-detection-RoBerta-base — модель классификации текста на основе RoBERTa, дообученная для распознавания сарказма. Она предназначена для определения саркастических высказываний в текстах. Модель содержит 151,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch по лицензии MIT. В README указана точность 0,7273 на оценочном наборе данных, однако описание обучающего набора отсутствует, а значение loss составляет 2,8207. Эти результаты не дают полной картины качества и могут не отражать работу на других типах текстов.

Модель mesolitica/sentiment-analysis-nanot5-small-malaysian-cased разработана Mesolitica и предназначена для классификации тональности текста. Она основана на архитектуре T5, содержит около 38,5 млн параметров и опубликована в формате Safetensors; карточка Hugging Face показывает загрузку через конвейер text-classification в Transformers. По названию модель ориентирована на малайзийский вариант языка и регистр символов с учётом регистра; применять её можно для определения тональности малайскоязычных текстов. В доступной карточке нет подробных результатов оценки, перечня меток классов или описания обучающих данных, поэтому точность и переносимость на другие языки и типы текста не установлены. Лицензия в предоставленных сведениях не указана.

Это модель SetFit для анализа тональности отдельных аспектов в отзывах о ресторанах. Её разработал tomaarsen на основе BAAI/bge-small-en-v1.5: корпус Sentence Transformer дообучен контрастивным обучением, а классификацию выполняет LogisticRegression. Модель содержит около 40 млн параметров, принимает текст с контекстом до 512 токенов и относит аспект к одному из четырёх классов: положительному, отрицательному, нейтральному или конфликтному. Модель предназначена для классификации тональности аспектов, уже найденных и отфильтрованных другими компонентами системы ABSA; сама она не извлекает аспекты. Обучена на англоязычных ресторанных отзывах из SemEval 2014 Task 4. В README указана точность 0,7486 на наборе метрик, но отдельный протокол оценки не описан. Распространяется по лицензии Apache-2.0.

xuancoblab2023/tiny-bert-sst2-distilled — компактная модель классификации последовательностей, дообученная автором на базе google/bert_uncased_L-2-H-128_A-2. Она предназначена для определения тональности английских текстов по двум классам набора SST-2 и может использоваться для классификации коротких отзывов и высказываний. Модель содержит 4,4 млн параметров, использует архитектуру BERT и принимает текст длиной до 512 токенов. На оценочном наборе указаны accuracy 0,7631, precision 0,7071, recall 0,4941 и F1 0,5817; результаты указывают на ограниченное качество, особенно по полноте. Данные обучения в карточке не описаны. Модель распространяется по лицензии Apache-2.0.

augment-sentiment-finnlp-th — модель классификации тайского текста, созданная дообучением airesearch/wangchanberta-base-att-spm-uncased. Она предназначена для анализа тональности и других задач классификации текста. Модель построена на архитектуре CamemBERT и содержит 132,5 млн параметров; максимальная длина контекста — 512 токенов. На оценочном наборе указаны точность 0,7415 и функция потерь 0,8684. В карточке не описаны состав и метки обучающего набора, поэтому область применения этих показателей и качество для отдельных сценариев оценить нельзя. Условия лицензии в предоставленных данных не указаны.

CAMeLBERT-CA SA — модель анализа тональности, разработанная CAMeL Lab путём дообучения CAMeLBERT для классического арабского языка. Она классифицирует арабские предложения по тональности; в README приведены примеры меток positive и negative. Модель обучали на наборах ASTD, ArSAS и SemEval, её можно применять через компонент анализа тональности CAMeL Tools или конвейер Transformers. Модель основана на архитектуре BERT для классификации последовательностей, содержит 136,3 млн параметров и принимает контекст длиной до 512 токенов. Доступны форматы PyTorch и TensorFlow. Лицензия — Apache-2.0. Карточка не описывает дополнительные классы тональности и ограничения качества, поэтому применимость к диалектам и текстам за пределами классического арабского не следует считать подтверждённой.

Модель rohanrajpal/bert-base-multilingual-codemixed-cased-sentiment разработана на основе bert-base-multilingual-cased и дообучена для классификации тональности смешанного хинди-английского текста (Hinglish). Она присваивает тексту одну из трёх меток: отрицательная, нейтральная или положительная. Для обучения использован набор данных SAIL 2017. Это модель семейства BERT с архитектурой BertForSequenceClassification и контекстом до 512 токенов. Доступны версии в форматах PyTorch, TensorFlow и Flax. На тестировании на SAIL 2017 указаны accuracy 0,589 и F1 0,583, поэтому качество может быть ограниченным; также результаты на других данных не приведены. Модель распространяется по лицензии Apache-2.0.

patrickxchong/bert-tiny-bahasa-cased-sentiment — компактная модель классификации текста для анализа тональности, разработанная как proof of concept на основе BERT и дообученная на данных, собранных huseinzol05. Модель содержит 18 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Репозиторий предоставляет веса в формате TensorFlow. Модель предназначена для определения тональности текста, в первую очередь на бахасском языке; в метаданных также отмечена поддержка английского и многоязычность. Она может подойти для прототипов и лёгких сценариев анализа отзывов или коротких сообщений. Лицензия — Apache-2.0.

CryptoBERT — англоязычная модель обработки текста, созданная ElKulako для анализа публикаций и сообщений в социальных сетях о криптовалютах. За основу взята vinai/bertweet-base: модель дополнительно обучили на корпусе из более чем 3,2 млн криптовалютных публикаций, а классификационную голову дообучили на 2 млн размеченных постов StockTwits. Модель определяет тональность публикации относительно криптовалюты и относит её к одному из трёх классов: Bearish, Neutral или Bullish. Она подходит для анализа настроений в сообщениях StockTwits и похожих социальных источниках, например для мониторинга рыночных настроений. Архитектура — RoBERTa для классификации последовательностей, размер — 151,8 млн параметров. Максимальный технический контекст составляет 514 токенов, однако в README рекомендуется ограничивать последовательность 128 токенами. Модель рассчитана на англоязычные сообщения о криптовалютах; её обучение охватывало StockTwits, Telegram, Reddit и Twitter. Лицензия — MIT. Результаты отражают тональность текста, а не достоверность утверждений или будущую динамику рынка.

joeddav/distilbert-base-uncased-go-emotions-student — англоязычный классификатор эмоций, разработанный как компактная ученическая модель на базе DistilBERT. Его обучили дистилляцией предсказаний модели zero-shot классификации на неразмеченных данных GoEmotions; обучение продолжалось 10 эпох со смешанной точностью. Модель предназначена для классификации текста по эмоциональным категориям GoEmotions и для демонстрации способа переноса знаний от ресурсоёмкой NLI-модели к более эффективному классификатору, обучаемому на неразмеченных данных. Она поддерживает входной текст длиной до 512 токенов и выдаёт метки классов. По заявлению автора, качество может быть ниже, чем у модели, обученной на полностью размеченных данных. Хотя GoEmotions допускает несколько меток для одного примера, учитель создавал псевдометки только одного класса. Модель распространяется по лицензии MIT.

ganeshkharad/gk-hinglish-sentiment — модель классификации тональности на основе BERT, дообученная автором на небольшом наборе отзывов на хинглиш, то есть на смеси хинди и английского. Она присваивает тексту одну из трёх меток: отрицательная, нейтральная или положительная. Модель предназначена для анализа отзывов и других коротких сообщений на хинглише, особенно в индийском контексте. Модель принимает текст и выдаёт метку тональности. В метаданных указаны 205,1 млн параметров и контекст до 512 токенов. Лицензия — Apache-2.0. Автор отмечает, что обучающих данных было мало; поэтому качество на других языках, письменностях и жанрах не установлено, а результаты на хинглише могут быть нестабильны.

tobykim разработал и дообучил модель на базе корейского энкодера monologg/koelectra-base-v3-discriminator для многометочной классификации эмоций в корейском тексте. Модель относит текст к 44 эмоциональным категориям, включая радость, грусть, гнев, тревогу, благодарность и удивление. Она построена на ELECTRA и использует классификационную голову для последовательностей; размер составляет 140,1 млн параметров, максимальная длина контекста — 512 токенов. Для обучения использованы датасет KOTE и дополнительные собранные данные, функция потерь Asymmetric Loss. Модель предназначена для анализа эмоциональной окраски корейских сообщений, например в чатах и мессенджерах. В README приведены ориентировочные метрики на валидации: Micro F1 около 0,62 и Macro F1 около 0,47; качество распознавания отдельных эмоций может различаться. README сообщает, что модель можно свободно использовать для исследований и обучения; лицензия базовой KoELECTRA — MIT, но отдельная лицензия дообученных весов явно не названа.

uer/roberta-base-finetuned-dianping-chinese — модель классификации китайских текстов, разработанная UER и дообученная с помощью UER-py на датасете Dianping. Она предназначена для определения тональности пользовательских отзывов, например, анализа отзывов о заведениях и услугах. Модель основана на RoBERTa-Base с архитектурой BertForSequenceClassification, содержит около 129,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель поддерживает китайский язык и доступна в форматах PyTorch, TensorFlow и Flax. Для работы требуется токенизатор; модель можно использовать через Transformers для классификации текста. В README описаны датасет и способ запуска, но конкретный состав меток именно этой версии не раскрыт. Лицензия в предоставленных данных не указана.

jahb57/test_trainer — дообученная модель GPT-2 для классификации текстов отзывов Yelp. Она построена на архитектуре GPT-2 и обучена на наборе yelp_review_full; контекст составляет 1024 токена. В README указаны результаты на оценочной выборке: loss 1,0617 и accuracy 0,584. Модель предназначена для отнесения текста к классам тональности или рейтинга отзывов Yelp. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Подробности о применении и ограничениях в карточке не раскрыты.

Модель LoneWolfgang/bert-for-japanese-twitter-sentiment — дообученная версия BERT для определения тональности японских публикаций в Twitter. Базовая модель — японский BERT от Tohoku NLP, дополнительно адаптированный к текстам Twitter продолжением обучения на задаче masked language modeling; затем модель дообучили на наборе Japanese Twitter Sentiment 1k (JTS1k), исключив смешанные примеры. Модель классифицирует текст по трём меткам: отрицательная, нейтральная и положительная тональность. Она предназначена для анализа японских сообщений в соцсетях, включая короткие тексты и публикации с эмодзи и хештегами. Архитектура — BERT для классификации последовательностей, 137,8 млн параметров; максимальный контекст — 512 токенов. Использовать можно через Transformers pipeline для классификации текста. Модель распространяется по лицензии Apache-2.0. Её специализация на японских сообщениях Twitter и обучающем наборе JTS1k ограничивает основания для переноса результатов на другие языки, платформы и типы текстов; README не приводит метрик качества.

rkdaldus разработала модель классификации эмоций в корейском тексте на основе KoBERT. Она относит входную фразу к одной из пяти категорий: гнев, страх, радость, нежность или грусть. Модель дообучена на корейских эмоциональных диалогах из AI Hub и предназначена для анализа отдельных фраз и текстовых столбцов в таблицах. Модель использует архитектуру BERT, содержит 119,4 млн параметров и принимает последовательности длиной до 512 токенов. В README приведён пример загрузки как модели классификации последовательностей и вывода предсказанного класса с вероятностями. Репозиторий содержит веса в формате Safetensors; лицензия в предоставленных данных не указана.

huyleit разработал и дообучил PhoBERT-base — модель семейства RoBERTa — для распознавания эмоций во вьетнамских публикациях и комментариях в социальных сетях. Модель относит текст к одному из семи классов эмоций; среди приведённых в карточке — радость или симпатия, грусть и отвращение. Она рассчитана на тексты с Facebook, Threads и VNExpress, включая интернет-сленг и сокращения. Модель содержит 162,4 млн параметров и имеет контекст до 258 токенов. В репозитории доступны веса safetensors и варианты ONNX, в том числе квантованный INT8 для ускорения вывода на CPU. В README приведены результаты оценки на тестовой выборке из 1482 примеров, но показана лишь часть метрик, поэтому качество по всем классам по карточке оценить нельзя. Модель принимает текст на вьетнамском языке и выдаёт метки эмоций с оценками. Лицензия — MIT.

Модель PierrePol/twitter-roberta_stanfordnlp_imdb_SetFit_tweet_ep2_bs16_lr2e-05_v3 — дообученная для классификации текста RoBERTa-модель на 151,8 млн параметров, основанная на cardiffnlp/twitter-roberta-base-sentiment-latest. В README указаны метрики на оценочной выборке: accuracy 0,922 и F1 0,9216; название репозитория указывает на эксперименты с отзывами IMDb и твитами, но карточка не раскрывает состав датасета и целевые классы. Модель предназначена для классификации текстовых последовательностей. Базовая модель Cardiff NLP определяет отрицательную, нейтральную и положительную тональность, особенно в публикациях Twitter, однако перенос этих классов на производную модель не подтверждён описанием её обучения. Максимальная длина контекста — 514 токенов. Опубликована в формате safetensors и распространяется по лицензии CC BY 4.0.

Это Sentence Transformer на архитектуре MPNet, дообученный AC7989 на базе sentence-transformers/all-mpnet-base-v2. Модель кодирует предложения и абзацы о Disneyland в плотные векторы размерностью 768; для сравнения векторов используется косинусное сходство. В README указана максимальная длина последовательности 384 токена, а в метаданных — 514 токенов контекста. Модель предназначена для сравнения отзывов по смыслу, семантического поиска и группировки текстов; также её векторы можно использовать для классификации и поиска перефразировок. Она обучалась на наборе из 34 124 примеров с Triplet Loss. Метаданные указывают 136,7 млн параметров и формат safetensors. Язык отзывов в карточке не указан явно. Условия лицензии в предоставленных данных отсутствуют.

SetFit/distilbert-base-uncased__sst2__train-16-0 — модель DistilBERT, дообученная на основе distilbert-base-uncased для классификации текста. Репозиторий указывает датасет SST-2, однако подробности о составе обучающих данных и настройке обучения не приведены. Архитектура — DistilBertForSequenceClassification; модель принимает текст, поддерживает контекст до 512 токенов и распространяется в формате PyTorch. Модель предназначена для классификации текстовых последовательностей; вероятный сценарий применения с SST-2 — определение тональности отзывов или коротких высказываний. В README приведён результат на тестовом наборе: accuracy 0,5091 и loss 0,6903, что указывает на ограниченную точность в этой оценке. Лицензия — Apache-2.0.

Gwennji/distilbert-sentiment-demo — модель классификации текста, созданная дообучением DistilBERT на неизвестном наборе данных. Архитектура — DistilBertForSequenceClassification; модель предназначена для присвоения тексту меток классов, включая анализ тональности, что следует из названия репозитория, однако конкретные метки и обучающий набор не описаны. Модель принимает текст и поддерживает контекст до 512 токенов. В README указана точность 0,8452 и значение функции потерь 0,4220 на оценочном наборе, но подробности оценки не приведены. Опубликованы веса в форматах Safetensors и ONNX. Лицензия — Apache-2.0.

HiliSenti-v1-model — модель jjjardev для классификации тональности предложений на языке хилигайнон. Это дообученная XLM-RoBERTa-large для отнесения текста к одному из трёх классов: отрицательная, нейтральная или положительная тональность. Модель принимает текст и возвращает метку класса с оценкой уверенности. В README заявлены точность 93,5% и macro F1 93,4% на тестовом наборе HiliSenti v1; метаданные указывают архитектуру XLM-RoBERTa для классификации последовательностей, 658,7 млн параметров и контекст до 514 токенов. Модель предназначена для анализа отзывов и обратной связи, мониторинга социальных сетей, а также образовательных, гражданских и исследовательских приложений, связанных с хилигайнон. Она оптимизирована для этого языка и поддерживает только классификацию тональности на уровне предложения. Лицензия — CC BY-NC-SA 4.0.

Gupta28/judgebench-siglip-judge-v1 — дообученная модель SigLIP для оценки соответствия изображений визуальному стилю бренда rhode. Она создана в рамках проекта judgecliff как судья качества изображений: полная модель SiglipModel контрастивно дообучена на примерах rhode и изображениях конкурирующих косметических брендов, включая Glossier и ILIA. Для оценки вычисляется косинусное сходство эмбеддинга изображения с центроидом rhode, затем применяется калибровка Platt из файла calibration.json. Модель предназначена для фильтрации и сравнения изображений по визуальному соответствию бренду rhode. На тестовом наборе проекта из 2 622 примеров авторы сообщают AUC 0,99; отсутствие изменения оценки при маскировании логотипа указывает, что модель оценивает общий стиль, а не распознаёт словесный знак. Модель почти не выявляет нарушения, не обучалась на отрицательных примерах таких нарушений и уязвима к оптимизации изображений под высокий балл. Лицензия в предоставленных данных не указана.