/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense

deoffxlmr-mono-kannada

Классификация текстаТекст → label3 профессии

Классификатор на базе XLM-RoBERTa для обнаружения оскорбительного содержания в текстах на каннада, включая код-смешанные.

188скачиваний за 30 дней0лайковвеса 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

Модель разработана командой Hate-speech-CNERG для выявления оскорбительного содержания в текстах на каннада, включая тексты с кодовым смешением. Это классификатор на базе XLM-RoBERTa с 305,2 млн параметров; веса инициализированы предобученной XLM-RoBERTa-Base, дополнительно обучены с помощью masked language modeling на целевых данных, а затем дообучены для классификации. Модель предназначена для идентификации оскорбительного языка и связана с задачей EACL 2021 Shared Task по выявлению оскорбительной речи в дравидийских языках.

В описанной оценке модель получила weighted F1 0,73 на отложенном тестовом наборе; ансамбль моделей достиг 0,74. Подходит для классификации каннада-текстов в модерации и исследованиях языка. Прикладная область ограничена каннада, включая код-смешанные данные; качество на других языках и типах текста не подтверждено. Контекст составляет 514 токенов. Лицензия — Apache-2.0.

Сценарии применения

  • фильтрация оскорбительных комментариев на каннада
  • модерация публикаций и сообщений с кодовым смешением каннада и английского
  • разметка оскорбительного языка в каннада-текстах
  • анализ оскорбительной речи в исследовательских корпусах на каннада

Ограничения

Модель обучена на каннада-текстах, включая код-смешанные, и её применимость к другим языкам не подтверждена. На отложенном тестовом наборе weighted F1 составил 0,73.

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 to detect Offensive Content in Kannada Code-Mixed language. The mono in the name refers to the monolingual setting, where the model is trained using only Kannada(pure and code-mixed) data. The weights are initialized from pretrained XLM-Roberta-Base and pretrained using Masked Language Modelling on the target dataset before fine-tuning using Cross-Entropy Loss.

This model is the best of multiple trained for EACL 2021 Shared Task on Offensive Language Identification in Dravidian Languages. Genetic-Algorithm based ensembled test predictions got the second-highest weighted F1 score at the leaderboard (Weighted F1 score on hold out test set: This model - 0.73, Ensemble - 0.74)

For more details about our paper

Debjoy Saha, Naman Paharia, Debajit Chakraborty, Punyajoy Saha, Animesh Mukherjee. "Hate-Alert@DravidianLangTech-EACL2021: Ensembling strategies for Transformer-based Offensive language Detection".

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

@inproceedings{saha-etal-2021-hate,
    title = "Hate-Alert@{D}ravidian{L}ang{T}ech-{EACL}2021: Ensembling strategies for Transformer-based Offensive language Detection",
    author = "Saha, Debjoy and Paharia, Naman and Chakraborty, Debajit and Saha, Punyajoy and Mukherjee, Animesh",
    booktitle = "Proceedings of the First Workshop on Speech and Language Technologies for Dravidian Languages",
    month = apr,
    year = "2021",
    address = "Kyiv",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2021.dravidianlangtech-1.38",
    pages = "270--276",
    abstract = "Social media often acts as breeding grounds for different forms of offensive content. For low resource languages like Tamil, the situation is more complex due to the poor performance of multilingual or language-specific models and lack of proper benchmark datasets. Based on this shared task {``}Offensive Language Identification in Dravidian Languages{''} at EACL 2021; we present an exhaustive exploration of different transformer models, We also provide a genetic algorithm technique for ensembling different models. Our ensembled models trained separately for each language secured the first position in Tamil, the second position in Kannada, and the first position in Malayalam sub-tasks. The models and codes are provided.",
}

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
b4845d6

0 моделей