/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Опубликована
20 апр 2023

xlm-roberta-large-tydip

Классификация текстаТекст → label3 профессии

Многоязычная XLM-RoBERTa-модель для классификации вежливости в текстах.

223скачиваний за 30 дней1лайквеса обновлены15 окт 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

Genius1237/xlm-roberta-large-tydip — многоязычная модель классификации вежливости, созданная дообучением xlm-roberta-large на англоязычной части набора TyDiP. Она предназначена для определения вежливости текста и может использоваться через конвейер text-classification в Transformers.

Модель построена на архитектуре XLM-RoBERTa Large с примерно 658,7 млн параметров и контекстом до 514 токенов. В исследовании её оценивали на английском, хинди, корейском, испанском, тамильском, французском, вьетнамском, русском, африкаанс и венгерском; README приводит результаты классификации для части этих языков. Доступны веса PyTorch и Safetensors.

Модель подходит для анализа тональности общения в многоязычных текстах, например для проверки вежливости сообщений. Обучение проводилось на английских данных, поэтому качество для других языков может отличаться; автор также отмечает возможность применения к другим языкам, но это не подтверждено приведённой оценкой. Лицензия — MIT.

Сценарии применения

  • определение вежливости пользовательских сообщений
  • анализ вежливости обращений в службе поддержки
  • проверка тона текстов на нескольких языках

Ограничения

Модель дообучена на английской части TyDiP, поэтому качество на других языках может быть ниже или различаться; результаты оценки указаны лишь для части поддерживаемых языков. Применимость к языкам за пределами перечисленных не подтверждена оценкой.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Multilingual Politeness Classification Model

This model is based on xlm-roberta-large and is finetuned on the English subset of the TyDiP dataset as discussed in the original paper here.

Languages

In the paper, this model was evaluated on English + 9 Languages (Hindi, Korean, Spanish, Tamil, French, Vietnamese, Russian, Afrikaans, Hungarian). Given the model's good performance and XLMR's cross lingual abilities, it is likely that this finetuned model can be used for more languages as well.

Evaluation

The politeness classification accuracy scores on 10 languages from the TyDiP test set are mentioned below.

langacc
en0.892
hi0.868
ko0.784
es0.84
ta0.78
fr0.82
vi0.844
ru0.668
af0.856
hu0.812

Usage

You can use this model directly with a text-classification pipeline

from transformers import pipeline

classifier = pipeline(task="text-classification", model="Genius1237/xlm-roberta-large-tydip")

sentences = ["Could you please get me a glass of water", "mere liye पानी का एक गिलास ले आओ "]

print(classifier(sentences))
# [{'label': 'polite', 'score': 0.9076159000396729}, {'label': 'impolite', 'score': 0.765066385269165}]

More advanced usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer = AutoTokenizer.from_pretrained('Genius1237/xlm-roberta-large-tydip')
model = AutoModelForSequenceClassification.from_pretrained('Genius1237/xlm-roberta-large-tydip')

text = "Could you please get me a glass of water"
encoded_input = tokenizer(text, return_tensors='pt')

output = model(**encoded_input)
prediction = torch.argmax(output.logits).item()

print(model.config.id2label[prediction])
# polite

Citation

@inproceedings{srinivasan-choi-2022-tydip,
    title = "{T}y{D}i{P}: A Dataset for Politeness Classification in Nine Typologically Diverse Languages",
    author = "Srinivasan, Anirudh  and
      Choi, Eunsol",
    booktitle = "Findings of the Association for Computational Linguistics: EMNLP 2022",
    month = dec,
    year = "2022",
    address = "Abu Dhabi, United Arab Emirates",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2022.findings-emnlp.420",
    doi = "10.18653/v1/2022.findings-emnlp.420",
    pages = "5723--5738",
    abstract = "We study politeness phenomena in nine typologically diverse languages. Politeness is an important facet of communication and is sometimes argued to be cultural-specific, yet existing computational linguistic study is limited to English. We create TyDiP, a dataset containing three-way politeness annotations for 500 examples in each language, totaling 4.5K examples. We evaluate how well multilingual models can identify politeness levels {--} they show a fairly robust zero-shot transfer ability, yet fall short of estimated human accuracy significantly. We further study mapping the English politeness strategy lexicon into nine languages via automatic translation and lexicon induction, analyzing whether each strategy{'}s impact stays consistent across languages. Lastly, we empirically study the complicated relationship between formality and politeness through transfer experiments. We hope our dataset will support various research questions and applications, from evaluating multilingual models to constructing polite multilingual agents.",
}

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
XLMRobertaForSequenceClassification
Ревизия весов
e339ef0

0 моделей