/ Модель

Характеристики

Контекст
512 токенов
Параметры
305 млн
Архитектура
deberta-v2 · dense
Опубликована
12 июл 2023

mdebertav3-subjectivity-english

Классификация текстаТекст → label5 профессий

Модель GroNLP на основе mDeBERTa V3 определяет, выражает ли предложение из новостной статьи субъективное мнение или объективный факт.

424скачиваний за 30 дней1лайквеса обновлены11 сен 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

GroNLP разработала эту модель на основе mDeBERTa V3 для определения субъективности предложений в газетных статьях. Она классифицирует предложение как объективное (OBJ) или субъективное (SUBJ), то есть основанное на личных чувствах, вкусах или мнениях. Модель создана для задачи CheckThat! Lab 2023 по анализу новостных статей и заняла третье место в соревновании.

Модель использует архитектуру DeBERTa V2 для классификации последовательностей, содержит 305,3 млн параметров и принимает текст длиной до 512 токенов. Для обучения применялись многоязычные данные, а для разработки — английские; карточка указывает английский как язык модели. В соревновании модель достигла macro F1 0,77 и F1 0,79 для класса субъективных предложений. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск субъективных формулировок в газетных статьях
  • разметка предложений новостей как объективных или субъективных
  • анализ новостных текстов для исследовательских проектов
  • фильтрация мнений перед извлечением фактов из новостей

Ограничения

Оценка получена в рамках CheckThat! Lab 2023: macro F1 — 0,77, F1 для субъективного класса — 0,79. Модель предназначена для английских газетных предложений; контекст ограничен 512 токенами.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Fine-tuned mDeBERTa V3 model for subjectivity detection in newspaper sentences. This model was developed as part of the CLEF 2023 CheckThat! Lab Task 2: Subjectivity in News Articles.

The goal in this task is to detect whether a sentence is objective (OBJ) or subjective (SUBJ). A sentence is subjective if its content is based on or influenced by personal feelings, tastes, or opinions. Otherwise, the sentence is objective. (Antici et al., 2023).

The model was fine-tuned using a multilingual training and English development dataset, for which the following (hyper)parameters were utilized:

Batch Size    = 64
Max Epochs    = 3
Learning Rate = 6e-5
Warmup Steps  = 200
Weight Decay  = 0

The model ranked third in the CheckThat! Lab and obtained a macro F1 of 0.77 and a SUBJ F1 of 0.79.

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
DebertaV2ForSequenceClassification
Ревизия весов
72b71a4

0 моделей