Модель распознает шесть базовых эмоций Экмана (радость, грусть, гнев, страх, удивление и отвращение) в англоязычных текстах. В основе лежит легкая и эффективная базовая модель distilbert-base-uncased, дообученная на комментариях из Reddit из датасета GoEmotions. По сравнению со стандартными LSTM-сетями и моделями на эмбеддингах GloVe, этот файнтюн обеспечивает более высокую точность классификации. Решение пригодится разработчикам чат-ботов, исследователям тональности текста и аналитикам пользовательских отзывов.
Ключевые особенности
Распознавание радости, грусти, гнева, страха, удивления и отвращения.
Использование архитектуры DistilBERT с балансировкой классов для компенсации дисбаланса данных.
Достигает точности (Accuracy) 0.7934 на тестовом наборе данных.
Интегрируется через стандартный пайплайн библиотеки transformers.
Что можно сделать
Автоматически определять эмоциональную окраску комментариев и сообщений пользователей в сервисах.
Настраивать реакцию бота в зависимости от настроения собеседника.
Быстро классифицировать потоки коротких англоязычных текстов по эмоциональным категориям.
Пример
import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification
name = "mai-data-ai/emotion-distilbert"
tok = AutoTokenizer.from_pretrained(name)
model = AutoModelForSequenceClassification.from_pretrained(name).eval()
enc = tok("Stop wasting my time, this is so annoying", return_tensors="pt",
truncation=True, max_length=64)
with torch.no_grad():
probs = torch.softmax(model(**enc).logits, dim=-1)[0]
print({model.config.id2label[i]: round(p.item(), 3) for i, p in enumerate(probs)})
ПодробнееБенчмарки: Accuracy 0.7934, Macro F1 0.6962 на тестовом датасете из 3539 комментариев. Обучение: 4 эпохи, батч 32, learning rate 2e-5 с ранней остановкой по validation macro-F1. Ограничения: обучено на английском языке (Reddit); редкие классы вроде disgust распознаются слабее из-за меньшего объема данных; модель всегда выбирает одну из 6 эмоций (нейтральный класс отсутствует).
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# mai-data-ai/emotion-distilbert — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve mai-data-ai/emotion-distilbert --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии