GreenSMKZ-tags

GreenSMKZ Tags — multilingual-e5-base

Модель многоклассовой тематической классификации отзывов и постов о сервисе Green SM KZ (такси). Поддерживает русский язык, казахский кириллический и казахский латинский.

• Базовая модель: intfloat/multilingual-e5-base
• Задача: multi-label classification (20 тегов)
• Пулинг: (CLS + mean_pool) / 2
• Loss: asymmetric + LabelSmoothing=0.05
• HEAD tokens: 256 | TAIL tokens: 253
• Best F1 Micro: 0.8214
• Best F1 Macro: 0.7880
• Обучена: 20260707-161838

Теги (20 шт.)

• Accident
• App Crashes / Bugs
• Apps
• Driver
• Fast / Efficient Performance
• Fuel Efficiency / Sustainability
• Good Navigation
• Harassment
• Impolite or Rude Behavior
• Poor User Experience
• Professionalism / Courteous Behavior
• Safe / Smooth Driving
• Safe Driving
• Safety
• Unsafe Driving
• Unsafe Driving / Vehicle Condition
• User-Friendly Interface
• Vehicle Breakdown
• Vehicle Comfort
• Vehicles

Инференс

import json, torch
from transformers import AutoTokenizer

with open("tag2id.json") as f: tag2id = json.load(f)
with open("per_tag_thresholds.json") as f: thr_data = json.load(f)
id2tag     = {v: k for k, v in tag2id.items()}
thresholds = thr_data["thresholds"]

tokenizer = AutoTokenizer.from_pretrained("DanielNRU/GreenSMKZ-tags")
text = "query: Отличный сервис, водитель был очень вежлив!"
enc  = tokenizer(text, return_tensors="pt", max_length=512,
                 truncation=True, padding="max_length")
with torch.no_grad():
    logits = model(enc["input_ids"], enc["attention_mask"])
    probs  = torch.sigmoid(logits).squeeze().numpy()
tags = [id2tag[str(i)] for i, p in enumerate(probs)
        if p >= thresholds.get(id2tag[str(i)], 0.3)]
print(tags)