/ Модель

Характеристики

Контекст
512 токенов
Параметры
195 млн
Лицензия
Apache 2.0
Архитектура
bert · dense

dehatebert-mono-arabic

Классификация текстаТекст → label3 профессии

Моноязычная арабская BERT-модель для классификации текстов и выявления высказываний, разжигающих ненависть.

163скачиваний за 30 дней4лайкавеса обновлены25 сен 2021

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

Hate-speech-CNERG/dehatebert-mono-arabic — модель для выявления разжигающих ненависть высказываний на арабском языке. Её разработчики дообучили многоязычную модель BERT на арабоязычных данных; архитектура классификатора — BertForSequenceClassification, размер — 194,6 млн параметров, контекст — до 512 токенов.

Модель предназначена для классификации арабских текстов по признаку hate speech и подходит для анализа пользовательских публикаций и других текстовых сообщений. В README сообщается, что лучший результат на валидации составил 0,877609 при learning rate 2e-5; метрика не уточнена. Доступны версии PyTorch и Flax. Лицензия — Apache-2.0.

Сценарии применения

  • выявление hate speech в арабских публикациях
  • модерация арабоязычных комментариев
  • фильтрация оскорбительных арабских сообщений
  • анализ арабоязычных текстов для исследования языка вражды

Ограничения

Оценка 0,877609 приведена как лучший результат на валидации, но метрика и подробности тестирования не указаны. Модель обучена только на арабских данных и рассчитана на контекст до 512 токенов.

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

This model is used detecting hatespeech in Arabic language. The mono in the name refers to the monolingual setting, where the model is trained using only Arabic language data. It is finetuned on multilingual bert model. The model is trained with different learning rates and the best validation score achieved is 0.877609 for a learning rate of 2e-5. Training code can be found at this url

For more details about our paper

Sai Saketh Aluru, Binny Mathew, Punyajoy Saha and Animesh Mukherjee. "Deep Learning Models for Multilingual Hate Speech Detection". Accepted at ECML-PKDD 2020.

Please cite our paper in any published work that uses any of these resources.

@article{aluru2020deep,
  title={Deep Learning Models for Multilingual Hate Speech Detection},
  author={Aluru, Sai Saket and Mathew, Binny and Saha, Punyajoy and Mukherjee, Animesh},
  journal={arXiv preprint arXiv:2004.06465},
  year={2020}
}

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
e592a5e

0 моделей