Rubert Base Cased Sentiment New

🚀 用于情感分析的RuBERT模型卡片

本模型可用于对俄语文本进行情感分类，为文本情感分析提供了有效的解决方案，具有较高的应用价值。

🚀 快速开始

使用以下代码来开始使用该模型：

!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

• 可用于俄语文本的情感分类任务。

📦 安装指南

运行以下命令安装所需的依赖库：

!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

📚 详细文档

模型详情

模型描述

该模型用于俄语文本的情感分类。

• 开发者：Tatyana Voloshina
• 共享者（可选）：Tatyana Voloshina
• 模型类型：文本分类
• 语言（NLP）：待补充更多信息
• 许可证：待补充更多信息
• 基础模型：BERT
• 更多信息资源：
  • GitHub仓库

使用场景

直接使用

此模型可用于文本分类任务。

超出适用范围的使用

该模型不应被用于故意为人们创造敌对或排斥性的环境。

偏差、风险和局限性

大量研究已经探讨了语言模型的偏差和公平性问题（例如，参见 Sheng et al. (2021) 和 Bender et al. (2021)）。模型生成的预测结果可能包含针对受保护类别、身份特征以及敏感、社会和职业群体的令人不安和有害的刻板印象。

建议

用户（包括直接用户和下游用户）应该了解该模型的风险、偏差和局限性。如需进一步的建议，还需补充更多信息。

训练详情

训练数据

模型在 Tatyana/ru_sentiment_dataset 上进行训练。

模型检查

标签含义

• 0: 中性
• 1: 积极
• 2: 消极

环境影响

可以使用 Lacoste et al. (2019) 中提出的 机器学习影响计算器 来估算碳排放。

• 硬件类型：待补充更多信息
• 使用时长：待补充更多信息
• 云服务提供商：待补充更多信息
• 计算区域：待补充更多信息
• 碳排放：待补充更多信息

模型卡片作者（可选）

Tatyana Voloshina 与 Ezi Ozoani 以及 Hugging Face 团队合作完成。