Характеристики

Контекст: 512 токенов
Параметры: 59,7 млн
Лицензия: Apache 2.0
Архитектура: mobilebert · dense
Опубликована: 14 июн 2022

Ссылки

Hugging Face

mobilebert_qqp

Alireza1044

Классификация текстаТекст → label6 профессий

Дообученная MobileBERT классифицирует пары вопросов на предмет смыслового дублирования в задаче QQP.

16скачиваний за 30 дней0лайковвеса обновлены14 июн 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Alireza1044 дообучил MobileBERT от Google для классификации пар вопросов в задаче Quora Question Pairs (QQP) из набора GLUE. Модель принимает текст и определяет, задают ли два вопроса один и тот же вопрос. Она использует архитектуру MobileBERT с примерно 59,7 млн параметров; максимальная длина контекста — 512 токенов.

На оценочной выборке QQP модель показала accuracy 0,8989, F1 0,8670 и комбинированную оценку 0,8829. Репозиторий содержит веса PyTorch, модель распространяется по лицензии Apache-2.0. README не описывает обучение и ограничения подробнее.

Сценарии применения

Поиск одинаковых по смыслу вопросов
Выявление дубликатов в базе вопросов и ответов
Сопоставление пользовательских запросов с уже заданными вопросами

Ограничения

Показатели приведены для оценочной выборки QQP и могут не отражать качество на других типах текстов. Контекст ограничен 512 токенами.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qqp

This model is a fine-tuned version of google/mobilebert-uncased on the GLUE QQP dataset. It achieves the following results on the evaluation set:

Loss: 0.2458
Accuracy: 0.8989
F1: 0.8670
Combined Score: 0.8829

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 64
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2.5

Training results

Framework versions

Transformers 4.20.0.dev0
Pytorch 1.11.0
Datasets 2.2.2
Tokenizers 0.12.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: MobileBertForSequenceClassification
Ревизия весов: 29fd236