erkan4/turkish-distilbert-finetuned

Turkish Movie Sentiment (5-sınıf) — DistilBERT

Bu depo, Türkçe film yorumları üzerinde 5 sınıflı (1–5 yıldız) duygu analizi için ince ayar (fine-tune) edilmiş bir DistilBERT modelini içerir. Model; TFLai/turkish_movie_sentiment veri kümesi üzerinde eğitilmiş, sınıf etiketleri 0–4 aralığında olacak şekilde (rating_1 … rating_5) yeniden haritalandırılmıştır.

Model Details

Model Description

• Geliştiren: [Bilgi ekleyin]
• Paylaşan: [Bilgi ekleyin]
• Model türü: DistilBERT tabanlı metin sınıflandırma (sequence classification)
• Dil(ler): Türkçe
• Lisans: [Lisansınızı belirtin]
• İnce ayar başlangıç noktası: distilbert/distilbert-base-uncased-finetuned-sst-2-english (son sınıf katmanı 5 etiket için yeniden başlatıldı)

Model Sources

• Veri kümesi: TFLai/turkish_movie_sentiment
• Kod/Çalışma: Eğitim Hugging Face transformers Trainer API’siyle yapılmıştır.
• Demo [opsiyonel]: [Bağlantı ekleyin]
• Repo [opsiyonel]: [Bağlantı ekleyin]

Uses

Direct Use

• Türkçe film yorumları için 5-seviyeli duygu/puan sınıflandırması (rating_1 … rating_5).

Downstream Use

• Benzer Türkçe inceleme/veri alanlarında (ör. ürün yorumları) 5 sınıf duygu analizi için yeniden kullanım ve/veya yeniden ince ayar.

Out-of-Scope Use

• 5 sınıfın dışındaki duygu kategorileri.
• Uzun belge sınıflandırması (128 token üzeri agresif kesilmeler anlam kaybına yol açabilir).
• Alan dışı (domain shift) metinlerde güvenilirlik beklenmemelidir.

Bias, Risks, and Limitations

• Veri, film yorumları alanına özgüdür; diğer alanlara genellenebilirlik sınırlı olabilir.
• Sınıf dağılımı dengesizlikleri yanlılığa neden olabilir.
• İncelikli duygu/ironi/sarkazm tespiti zayıf kalabilir.

Recommendations

• Üretim kullanımında alanınıza ait bir validasyon setiyle performansı teyit edin.
• Girdi uzunluklarını 128 token sınırına göre kontrol edin; gerekiyorsa max_length ayarını ve kesme stratejilerini gözden geçirin.

How to Get Started with the Model

from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline

repo_id = "KULLANICI_ADI/MODEL_ADI"  # bu depoyu yazın
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForSequenceClassification.from_pretrained(repo_id)

clf = pipeline("text-classification", model=model, tokenizer=tokenizer)
print(clf("Harika bir film, kesinlikle tavsiye ederim."))

Training Details

Training Data

• datasets.load_dataset("TFLai/turkish_movie_sentiment")
• Eğitim/Değerlendirme bölünmesi: train %80 / test %20 (seed=42)

Preprocessing

• Etiket dönüşümü: point alanı virgül → nokta düzeltmesi sonrası int(float(...)) - 1 ile 1–5 → 0–4 dönüşümü.
• Tokenizasyon: truncation=True, padding="max_length", max_length=128.

Training Hyperparameters

• Epochs: 3
• Batch size: 16 (train/eval)
• Learning rate: 2e-5
• Weight decay: 0.01
• Değerlendirme: evaluation_strategy="epoch"
• Kayıt: save_strategy="epoch", load_best_model_at_end=True
• Optimizasyon/karma hassasiyet: Varsayılan Trainer ayarları (fp32)

Speeds, Sizes, Times

• Model boyutu: DistilBERT sınıflandırma başlığı ile (yaklaşık ~260MB, dosya biçimine göre değişir).
• Eğitim süresi/donanım: [Bilgi ekleyin]

Evaluation

Testing Data, Factors & Metrics

• Test bölümü: %20 ayrım
• Metrik: Accuracy (Hugging Face evaluate → accuracy)

Results

• Accuracy: [Sonucu ekleyin]
• Not: Değerlendirme, 128 token sınırı ve alan dağılımı ile sınırlıdır.

Model Examination

• Çıktı etiketleri: id2label = {0:"rating_1", 1:"rating_2", 2:"rating_3", 3:"rating_4", 4:"rating_5"}
• Sınıf sırası eğitimde kullanılan map ile uyumludur.

Environmental Impact

• Donanım: [CPU/GPU bilgisi]
• Süre: [Eğitim saatleri]
• CO₂ tahmini: [Bilgi ekleyin]

Technical Specifications

Model Architecture and Objective

• DistilBERT gövdesi + 5 sınıflı sınıflandırma başlığı (cross-entropy).

Compute Infrastructure

• Donanım: [Bilgi ekleyin]
• Yazılım: transformers 4.56.2, datasets, accelerate, evaluate, torch

Citation

BibTeX: