Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Опубликована: 2 мар 2022

Ссылки

Hugging Face

roberta-base-bne-finetuned-hate-speech-offensive-spanish

JonatanGk

Классификация текстаТекст → label4 профессии

Испаноязычная модель на базе RoBERTa для классификации текстов с целью выявления языка ненависти и оскорблений.

93скачиваний за 30 дней2лайкавеса обновлены9 мая 2023

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

JonatanGk/roberta-base-bne-finetuned-hate-speech-offensive-spanish — испаноязычная модель классификации текста на базе RoBERTa, дообученная на BSC-TeMU/roberta-base-bne. По названию репозитория она предназначена для выявления оскорбительной речи и языка ненависти в испанских текстах. В метаданных указана архитектура RobertaForSequenceClassification, около 151,8 млн параметров и контекст до 514 токенов.

Модель подходит для автоматической модерации испаноязычных сообщений и предварительной разметки текстов для анализа токсичности. В README приведены результаты оценки: accuracy 0,9012 и loss 0,2869; набор данных и подробности разметки не описаны. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

модерация испаноязычных комментариев
поиск оскорблений в публикациях и сообщениях
выявление языка ненависти в пользовательском контенте
предварительная разметка испанских текстов для анализа токсичности

Ограничения

В README не описаны обучающие данные и подробности разметки, поэтому качество на других источниках испанского текста по приведённой оценке определить нельзя. Контекст ограничен 514 токенами.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-bne-finetuned-mnli

This model is a fine-tuned version of BSC-TeMU/roberta-base-bne on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.2869
Accuracy: 0.9012

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: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3222	1.0	1255	0.2869	0.9012
0.2418	2.0	2510	0.3125	0.8987
0.1726	3.0	3765	0.4120	0.8943
0.0685	4.0	5020	0.5239	0.8919
0.0245	5.0	6275	0.5910	0.8947

Framework versions

Transformers 4.11.3
Pytorch 1.9.0+cu111
Datasets 1.12.1
Tokenizers 0.10.3

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: 3e5bdf8