| import streamlit as st | |
| st.write(""" | |
| \n ## Классификация отзывов на фильм 📽️ | |
| \n ## Оценка степени токсичности пользовательского сообщения 🌶️ | |
| """) | |
| # \n ## Генерация текста GPT-моделью по пользовательскому prompt 🕹️ | |
| st.write("### *<span style='color:red'>LSTM Team</span>*", unsafe_allow_html=True) | |
| st.write(""" | |
| ### Состав команды: | |
| \n1. ##### Анастасия 👩🏻💻 | |
| \n2. ##### Алексей 👨🏻💻 | |
| \n3. ##### Тигран 👨🏻💻 | |
| """) | |
| st.write(""" | |
| ### Проекты: | |
| """) | |
| st.write(""" | |
| #### 1. Необходимо построить модель классификации введенного пользователем отзыва. Результаты предсказаний класса вывести тремя моделями. | |
| \n ##### Задача по моделям: | |
| \n- Классический ML-алгоритм, обученный на BagOfWords/TF-IDF представлении | |
| \n- RNN или LSTM модель (предпочтительно использовать вариант с attention) | |
| \n- BERT-based | |
| \n #### 2. Оценка степени токсичности пользовательского сообщения | |
| \n ##### Задачи: | |
| \n- Решить с помощью модели rubert-tiny-toxicity | |
| """) | |
| # \n ### 3. Генерация текста GPT-моделью по пользовательскому prompt | |
| # \n ##### Задачи: | |
| # \n- Пользователь может регулировать длину выдаваемой последовательности, Число генераций, Температуру или top-k/p |