/ Модель

Характеристики

Контекст
512 токенов
Параметры
265 млн
Лицензия
afl-3.0
Архитектура
bert · dense
Опубликована
25 апр 2022

hindi-codemixed-abusive-MuRIL

Классификация текстаТекст → label3 профессии

Модель на основе MuRIL классифицирует код-смешанный хинди, выявляя оскорбительную речь.

55скачиваний за 30 дней0лайковвеса обновлены3 мая 2022

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/hindi-codemixed-abusive-MuRIL — модель классификации текста, разработанная авторами карточки и дообученная на MuRIL для обнаружения оскорбительной речи в код-смешанном хинди. Она относит текст к одному из двух классов: нормальная речь или оскорбительная. Модель построена на архитектуре BERT и содержит 264,8 млн параметров; максимальная длина контекста составляет 512 токенов.

Модель предназначена для анализа сообщений и другого пользовательского текста на код-смешанном хинди, в том числе в исследованиях низкоресурсного выявления оскорбительной речи. Веса опубликованы в формате PyTorch. Лицензия — AFL-3.0. Карточка связывает модель с исследованием о методах расширения данных для выявления оскорбительного языка в индийских языках.

Сценарии применения

  • поиск оскорбительных сообщений на код-смешанном хинди
  • модерация комментариев на хинди с латинской и индийской письменностью
  • разметка текстов на нормальную и оскорбительную речь
  • анализ оскорбительного языка в исследованиях индийских языков

Ограничения

Модель ориентирована на код-смешанный хинди и классифицирует текст только на два класса — нормальный и оскорбительный; качество на других языках и типах текста карточкой не подтверждено.

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 abusive speech in Code-Mixed Hindi. It is finetuned on MuRIL model using code-mixed hindi abusive speech dataset. The model is trained with learning rates of 2e-5. Training code can be found at this url

LABEL_0 :-> Normal

LABEL_1 :-> Abusive

For more details about our paper

Mithun Das, Somnath Banerjee and Animesh Mukherjee. "Data Bootstrapping Approaches to Improve Low Resource Abusive Language Detection for Indic Languages". Accepted at ACM HT 2022.

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

@article{das2022data,
  title={Data Bootstrapping Approaches to Improve Low Resource Abusive Language Detection for Indic Languages},
  author={Das, Mithun and Banerjee, Somnath and Mukherjee, Animesh},
  journal={arXiv preprint arXiv:2204.12543},
  year={2022}
}

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
9a8cab5

0 моделей