Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Опубликована: 15 июн 2022

Ссылки

Hugging Face

roberta-base-qqp

JeremiahZ

Классификация текстаТекст → label6 профессий

Дообученная на GLUE QQP модель RoBERTa определяет, являются ли два английских вопроса дубликатами.

179скачиваний за 30 дней0лайковвеса обновлены6 дек 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

JeremiahZ/roberta-base-qqp — модель классификации текстовых пар, созданная дообучением RoBERTa-base на наборе GLUE QQP. Она предназначена для определения, задают ли два английских вопроса один и тот же вопрос, например, при поиске дубликатов в FAQ или объединении похожих обращений. Модель построена на архитектуре RoBERTa для классификации последовательностей, содержит 151,8 млн параметров и принимает текстовые входные данные с контекстом до 514 токенов.

В карточке указаны результаты оценки на тестовом наборе: accuracy 0,9153 и F1 0,8867. Модель поддерживает английский язык и опубликована в формате PyTorch. Лицензия — MIT. Карточка не описывает дополнительные сценарии использования и ограничения; качество на других данных может отличаться от результатов на GLUE QQP.

Сценарии применения

поиск дублирующихся вопросов в FAQ
сопоставление похожих обращений в службу поддержки
объединение повторяющихся вопросов в базе знаний

Ограничения

Модель обучена на английском наборе GLUE QQP, поэтому её качество на других языках и типах текстовых пар не подтверждено. В карточке не приведены дополнительные сведения об ограничениях.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-qqp

This model is a fine-tuned version of roberta-base on the GLUE QQP dataset. It achieves the following results on the evaluation set:

Loss: 0.4435
Accuracy: 0.9153
F1: 0.8867
Combined Score: 0.9010

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 16
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.06
num_epochs: 10.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1	Combined Score
0.2751	1.0	22741	0.3057	0.8905	0.8512	0.8709
0.2443	2.0	45482	0.2530	0.9005	0.8710	0.8857
0.2157	3.0	68223	0.2643	0.9070	0.8769	0.8919
0.1838	4.0	90964	0.2806	0.9109	0.8815	0.8962
0.146	5.0	113705	0.3277	0.9113	0.8809	0.8961
0.1262	6.0	136446	0.3939	0.9113	0.8812	0.8962
0.0867	7.0	159187	0.4435	0.9153	0.8867	0.9010
0.0757	8.0	181928	0.4812	0.9147	0.8844	0.8996
0.0479	9.0	204669	0.5081	0.9151	0.8871	0.9011
0.0379	10.0	227410	0.5647	0.9149	0.8858	0.9003

Framework versions

Transformers 4.20.0.dev0
Pytorch 1.11.0+cu113
Datasets 2.1.0
Tokenizers 0.12.1

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: RobertaForSequenceClassification
Ревизия весов: 749a735