SergeyR256/sentiment-model-first

Модель тональности отзывов (positive / neutral / negative)

Эта модель определяет эмоциональную окраску русскоязычных отзывов: позитивную, нейтральную или негативную.

Обучена на реальных отзывах с маркетплейсов и сервисов. Подходит для анализа отзывов о товарах, услугах, фильмах, ресторанах и т.д.

---

📊 Характеристики

• Язык: Русский
• Архитектура: cointegrated/rubert-tiny2 (дообученная)
• Классы:
  • neutral (0)
  • positive (1)
  • negative (2)
• F1-score (валидация): 73.4%
• Accuracy: 73.4%
• Validation loss: 0.61
• Размер датасета: 290 390 отзывов
• Баланс классов: сбалансированный (≈33% на каждый класс)

---

🚀 Быстрый старт

Установка

pip install transformers torch

Использование

from transformers import pipeline

classifier = pipeline("text-classification", model="./sentiment-model-rus", tokenizer="./sentiment-model-rus", top_k=1)
label_map = {0: "neutral", 1: "positive", 2: "negative"}

raw_output = classifier("проведец честный, рекомендую", top_k=1)
for pred in raw_output:
    label_id = int(pred['label'].replace('LABEL_', ''))
    pred['label'] = label_map[label_id]

print(raw_output)

⚠️ Ограничения

• Может ошибаться на сарказме и иронии.
• Работает лучше на типичных отзывах, чем на художественных или поэтических текстах.
• Не учитывает контекст за пределами одного отзыва.