/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Библиотека
transformers
Опубликована
13 авг 2026

code-switching-codesaviours-si26-hania

Разметка токеновТекст → label3 профессии

Дообученная XLM-RoBERTa размечает токены в текстах с переключением между Roman Urdu и английским.

17скачиваний за 30 дней0лайковвеса обновлены28 авг 2026

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

Модель Hania Emaan — дообученная версия XLM-RoBERTa-base для поштучного определения языка токенов в текстах с переключением между Roman Urdu и английским. Она размечает токены метками URD, ENG и MIX и предназначена для анализа смешанных сообщений в социальных сетях и другой неформальной переписки. Архитектура — XLM-RoBERTa для классификации токенов, около 305,2 млн параметров; максимальная длина контекста — 514 токенов. Модель принимает текст и выдаёт метки для его токенов.

В тестировании на отложенной выборке F1 составил 0,99 для английских токенов и 0,90 для Roman Urdu; для гибридной категории MIX указана оценка 0,00, поэтому распознавание таких слов ненадёжно. Карточка распространяет модель по лицензии MIT.

Сценарии применения

  • определение английских слов в сообщениях на Roman Urdu
  • разметка токенов Roman Urdu в смешанной переписке
  • анализ переключения языков в сообщениях соцсетей

Ограничения

На тестовой выборке F1 для метки MIX равен 0,00, поэтому гибридные токены модель практически не распознаёт. Оценки получены на отложенном наборе данных; качество на других типах текста не описано.

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

Code-Switching Token Classification Model (Roman Urdu & English)

Model Overview

This model is a fine-tuned XLM-RoBERTa (base) architecture trained to perform word/token-level Language Identification on code-mixed social text containing Roman Urdu and English.

  • Developed by: Hania Emaan
  • Model Type: Token Classification / Sequence Labeling
  • Base Model: xlm-roberta-base
  • Languages: Roman Urdu, English

Label Scheme & Categories

LabelDescriptionExample Words
URDRoman Urdu tokensaaj, kal, kaam, hai
ENGEnglish tokensproject, submission, file
MIXHybrid code-mixed tokensHybrid words with local inflections

Evaluation Results

The model was evaluated on a held-out test set using token-level precision, recall, and F1-scores via seqeval:

Class / LabelPrecisionRecallF1-Score
ENG0.990.990.99
URD0.910.890.90
MIX0.000.000.00
Overall (Micro Avg)0.980.970.97

How to Get Started

You can load and test this model directly using Hugging Face's pipeline:

from transformers import pipeline

nlp = pipeline(
    "token-classification", 
    model="HaniaEmaan/code-switching-codesaviours-si26-hania", 
    aggregation_strategy="simple"
)

sentence = "aaj mera project submission complete ho gaya hai"
predictions = nlp(sentence)

for pred in predictions:
    print(f"Token: {pred['word']} | Label: {pred['entity_group']} | Score: {pred['score']:.4f}")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForTokenClassification
Ревизия весов
6666142

0 моделей