Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-arabic-camelbert-da
Опубликована: 23 ноя 2023

Ссылки

Hugging Face

Improved-CAMEL-attempt2

Anwaarma

Классификация текстаТекст → label3 профессии

Дообученная арабская BERT-модель для классификации текста.

6скачиваний за 30 дней0лайковвеса обновлены23 ноя 2023

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

Improved-CAMEL-attempt2 — модель классификации арабского текста, дообученная Anwaarma на базе CAMeL-Lab/bert-base-arabic-camelbert-da. Она использует архитектуру BERT и содержит 136,3 млн параметров; контекст ограничен 512 токенами. Модель предназначена для задач классификации последовательностей на арабском языке.

В карточке приведены результаты оценки: accuracy 0,86 и loss 0,7469. Датасет, набор классов и конкретная область применения не описаны, поэтому эти результаты не позволяют судить о качестве на других данных. Модель опубликована под лицензией Apache-2.0.

Сценарии применения

Классификация арабских текстов по заданным категориям
Автоматическая разметка арабских последовательностей
Классификация арабоязычных текстов в прикладном NLP

Ограничения

Датасет, классы и целевая область классификации не описаны; приведённые метрики относятся только к указанному набору оценки. Максимальная длина контекста — 512 токенов.

Для каких профессий подходит3

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Improved-CAMEL-attempt2

This model is a fine-tuned version of CAMeL-Lab/bert-base-arabic-camelbert-da on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.7469
Accuracy: 0.86

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: 2e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	0.07	50	0.3638	0.85
No log	0.14	100	0.3945	0.79
No log	0.21	150	0.3206	0.87
No log	0.27	200	0.6859	0.64
No log	0.34	250	0.3078	0.84
No log	0.41	300	0.4524	0.79
No log	0.48	350	0.3414	0.84
No log	0.55	400	0.3479	0.85
No log	0.62	450	0.3317	0.83
0.3497	0.68	500	0.3214	0.85
0.3497	0.75	550	0.2614	0.87
0.3497	0.82	600	0.4143	0.84
0.3497	0.89	650	0.3211	0.88
0.3497	0.96	700	0.2593	0.89
0.3497	1.03	750	0.7586	0.77
0.3497	1.1	800	0.3171	0.91
0.3497	1.16	850	0.5458	0.84
0.3497	1.23	900	0.7450	0.83
0.3497	1.3	950	0.2748	0.86
0.2194	1.37	1000	0.5666	0.81
0.2194	1.44	1050	0.9014	0.82
0.2194	1.51	1100	0.4580	0.86
0.2194	1.58	1150	0.4560	0.87
0.2194	1.64	1200	0.2445	0.9
0.2194	1.71	1250	0.4808	0.87
0.2194	1.78	1300	0.5491	0.86
0.2194	1.85	1350	0.3435	0.87
0.2194	1.92	1400	0.4169	0.87
0.2194	1.99	1450	0.4190	0.86
0.1739	2.05	1500	0.6567	0.87
0.1739	2.12	1550	0.9203	0.84
0.1739	2.19	1600	0.6931	0.85
0.1739	2.26	1650	0.8531	0.83
0.1739	2.33	1700	0.6863	0.87
0.1739	2.4	1750	0.7469	0.86

Framework versions

Transformers 4.34.1
Pytorch 2.1.0+cu118
Datasets 2.14.7
Tokenizers 0.14.1

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: BertForSequenceClassification
Ревизия весов: c55855e