Rubert Base Cased Sentiment New

🚀 用於情感分析的RuBERT模型卡片

本模型可用於對俄語文本進行情感分類，為文本情感分析提供了有效的解決方案，具有較高的應用價值。

🚀 快速開始

使用以下代碼來開始使用該模型：

!pip install tensorflow-gpu
!pip install deeppavlov
!python -m deeppavlov install squad_bert
!pip install fasttext
!pip install transformers
!python -m deeppavlov install bert_sentence_embedder

from deeppavlov import build_model

model = build_model(path_to_model/rubert_sentiment.json)
model(["Сегодня хорошая погода", "Я счастлив проводить с тобою время", "Мне нравится эта музыкальная композиция"])

✨ 主要特性

• 可用於俄語文本的情感分類任務。

📦 安裝指南

運行以下命令安裝所需的依賴庫：

!pip install tensorflow-gpu
!pip install deeppavlov
!python -m deeppavlov install squad_bert
!pip install fasttext
!pip install transformers
!python -m deeppavlov install bert_sentence_embedder

📚 詳細文檔

模型詳情

模型描述

該模型用於俄語文本的情感分類。

• 開發者：Tatyana Voloshina
• 共享者（可選）：Tatyana Voloshina
• 模型類型：文本分類
• 語言（NLP）：待補充更多信息
• 許可證：待補充更多信息
• 基礎模型：BERT
• 更多信息資源：
  • GitHub倉庫

使用場景

直接使用

此模型可用於文本分類任務。

超出適用範圍的使用

該模型不應被用於故意為人們創造敵對或排斥性的環境。

偏差、風險和侷限性

大量研究已經探討了語言模型的偏差和公平性問題（例如，參見 Sheng et al. (2021) 和 Bender et al. (2021)）。模型生成的預測結果可能包含針對受保護類別、身份特徵以及敏感、社會和職業群體的令人不安和有害的刻板印象。

建議

用戶（包括直接用戶和下游用戶）應該瞭解該模型的風險、偏差和侷限性。如需進一步的建議，還需補充更多信息。

訓練詳情

訓練數據

模型在 Tatyana/ru_sentiment_dataset 上進行訓練。

模型檢查

標籤含義

• 0: 中性
• 1: 積極
• 2: 消極

環境影響

可以使用 Lacoste et al. (2019) 中提出的 機器學習影響計算器 來估算碳排放。

• 硬件類型：待補充更多信息
• 使用時長：待補充更多信息
• 雲服務提供商：待補充更多信息
• 計算區域：待補充更多信息
• 碳排放：待補充更多信息

模型卡片作者（可選）

Tatyana Voloshina 與 Ezi Ozoani 以及 Hugging Face 團隊合作完成。