Кастомний сентимент-класифікатор: fine-tuning до 95% F1

Зауважимо: коли готова модель аналізу тональності blanchefort/rubert-base-cased-sentiment дає F1 нижче 80% на ваших відгуках — це сигнал для fine-tuning. Ми з цим стикалися десятки разів: від фінансистів, яким потрібно відрізняти «акції впали» (негатив для інвестора) від «ціна обвалилася, час купувати» (позитив для шортиста), до медичних порталів, де «немає побічних ефектів» — однозначний позитив. Наш досвід показує: кастомна модель окупає інвестиції за 3–6 місяців за рахунок зниження ручної модерації. При цьому fine-tuning не потребує величезних датасетів — достатньо 500–1000 розмічених прикладів на клас. Витрати на розмітку окупаються за рахунок автоматизації модерації та скорочення часу обробки зворотного зв'язку.

Уявіть: ви обробляєте 10 000 відгуків на день, і готова модель плутає сарказм із негативом. Це призводить до помилок модерації та втрати лояльності клієнтів. Ми вирішуємо такі задачі за допомогою кастомного fine-tuning, адаптуючи модель під специфіку вашого бізнесу. Наприклад, для інтернет-магазину електроніки ми підвищили F1 з 72% до 94% всього за два тижні, використовуючи LoRA-донавчання на 800 розмічених відгуках. Після інтеграції модель обробляла 95% потоку без участі людини, скоротивши витрати на модерацію на 35%.

Коли варто навчати власну модель, а не використовувати готову?

Готові моделі навчені на загальних текстах (новини, соцмережі) і погано працюють на:

• Фінансових текстах — терміни «зростання», «падіння» контекстно-залежні.
• Медичних текстах — «відсутність симптомів» ≠ негатив.
• Технічних тікетах — «критична помилка виправлена» — позитив.
• Коротких діалогах — чати підтримки, де мало контексту.

Порада: перевірте готову модель на 100 своїх текстах. Якщо F1 < 80% — fine-tuning необхідний. Ми гарантуємо підвищення F1 на 15–30% відносно baseline.

Чому fine-tuning ефективніший за донавчання з нуля?

Донавчання з нуля потребує великих обчислювальних ресурсів і даних. Fine-tuning використовує передтреновану модель, що скорочує час навчання до 1–2 днів на одному GPU. Крім того, сучасні методи, такі як LoRA, дозволяють донавчати модель з мінімальним збільшенням параметрів — всього 0.1–1% від початкового розміру. Кастомна модель після fine-tuning показує F1 на 20–30% вищий за готову на доменних даних — це підтверджують наші проєкти.

Як ми проводимо fine-tuning: покроковий процес

1. Аналіз даних: збираємо 500–1000 прикладів на клас, перевіряємо баланс та якість розмітки. Використовуємо CSAT-оцінки або рейтинги як джерело міток.
2. Підготовка пайплайну: завантажуємо модель через AutoModelForSequenceClassification з Hugging Face. Оптимізуємо hyperparameters: learning rate 2e-5–5e-5, 2–5 епох, weight decay.
3. Експерименти: пробуємо LoRA для прискорення та зниження перенавчання. Порівнюємо з повним fine-tuning.
4. Оцінка: обчислюємо F1 по кожному класу, будуємо confusion matrix. Калібруємо ймовірності через temperature_scaling для достовірних передбачень у продакшні.
5. Інтеграція: конвертуємо модель в ONNX або використовуємо Triton Inference Server для низької затримки (p99 < 50 мс).

from transformers import AutoModelForSequenceClassification, TrainingArguments, Trainer
from peft import LoraConfig, get_peft_model

model = AutoModelForSequenceClassification.from_pretrained("bert-base-uncased", num_labels=2)
lora_config = LoraConfig(r=8, lora_alpha=32, target_modules=["query", "value"], lora_dropout=0.1)
model = get_peft_model(model, lora_config)

training_args = TrainingArguments(
    output_dir="./results",
    per_device_train_batch_size=16,
    num_train_epochs=3,
    learning_rate=3e-5,
    weight_decay=0.01,
)

trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=train_dataset,
    eval_dataset=eval_dataset,
)
trainer.train()

Що входить у нашу роботу

Ми надаємо:

• Розмічений датасет з правилами анотації
• Навчену модель з метриками (F1, confusion matrix, calibration plot)
• Код пайплайну fine-tuning (Jupyter notebook + Python-скрипти)
• Інтеграцію через REST API або ONNX Runtime
• Документацію з експлуатації та донавчання
• Гарантію якості: якщо F1 нижче обумовленого порогу — доопрацьовуємо безкоштовно

Процес навчання моделі сентимент аналізу включає налаштування аналізу тональності з калібруванням ймовірностей. Якщо ви хочете отримати готове рішення, зв'яжіться з нами для обговорення деталей.

Типові помилки при самостійному навчанні

• Незбалансований датасет: якщо 90% позитиву — модель передбачатиме тільки його.
• Відсутність окремого тестового набору: метрики на тренувальних даних завищені.
• Ігнорування калібрування: ймовірності моделі не відповідають реальній точності.

Чому варто довірити навчання нам?

Ми — команда AI/ML-інженерів з 5+ роками комерційного досвіду в NLP. Працювали з PyTorch, Hugging Face, LangChain, розгортали моделі на SageMaker та Vertex AI. За нашими плечима 30+ проєктів з fine-tuning для фінансів, медицини та e-commerce. Використовуємо сучасні техніки: LoRA, quantization INT8, MLOps (MLflow, Kubeflow). Економія на модерації сягає 40% при автоматичній обробці відгуків, а зниження витрат на розмітку — в 2 рази за рахунок активного навчання. Як зазначає дослідження Gartner, компанії, що впроваджують кастомні NLP-моделі, скорочують час обробки зворотного зв'язку на 30%.

Замовте навчання моделі — отримайте точний сентимент-класифікатор під ваш бізнес. Напишіть нам, щоб обговорити деталі. Отримати консультацію можна через форму на сайті.

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.