Характеристики

Контекст: 514 токенов
Параметры: 138 млн
Лицензия: MIT
Архитектура: roberta · dense
Опубликована: 6 мар 2023

Ссылки

Hugging Face

japanese-roberta-base-finetuned-rinna

Bersk

Классификация текстаТекст → label3 профессии

Дообученная японская RoBERTa для классификации текстов длиной до 514 токенов.

127скачиваний за 30 дней1лайквеса обновлены14 мар 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

Bersk подготовил дообученную модель японского RoBERTa для классификации текста на основе rinna/japanese-roberta-base. Она содержит 137,8 млн параметров, использует архитектуру RoBERTa и принимает последовательности длиной до 514 токенов. Модель подходит для задач классификации японских текстов; конкретные категории и набор данных в карточке не описаны.

На оценочной выборке указаны precision 0,8062, recall 0,8107 и F1 0,8071. Модель распространяется в формате PyTorch по лицензии MIT.

Сценарии применения

классификация японских текстов
определение категории японского сообщения
разметка японских текстов по классам

Ограничения

В карточке не указаны целевые классы и обучающий набор данных, поэтому применимость к конкретной схеме классификации неясна. Показатели качества приведены для оценочной выборки, но её состав не описан.

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

japanese-roberta-base-finetuned-rinna

This model is a fine-tuned version of rinna/japanese-roberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.9637
Precision: 0.8062
Recall: 0.8107
F1: 0.8071

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: 4
eval_batch_size: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1
0.7188	1.0	617	0.5825	0.7584	0.7945	0.7724
0.5951	2.0	1234	0.7466	0.7489	0.7799	0.7628
0.5206	3.0	1851	0.9570	0.7814	0.7767	0.7747
0.4061	4.0	2468	0.9637	0.8062	0.8107	0.8071
0.1879	5.0	3085	1.0516	0.8028	0.8026	0.8021

Framework versions

Transformers 4.25.1
Pytorch 1.13.0
Datasets 2.8.0
Tokenizers 0.13.2

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: RobertaForSequenceClassification
Ревизия весов: acaccaa