Характеристики

Контекст: 514 токенов
Параметры: 153 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense

Ссылки

Hugging Face

roberta-base-ca-finetuned-hate-speech-offensive-catalan

JonatanGk

Классификация текстаТекст → label3 профессии

Модель RoBERTa для классификации каталанского текста с целью выявления оскорбительной и разжигающей ненависть речи.

19скачиваний за 30 дней1лайквеса обновлены18 окт 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

JonatanGk/roberta-base-ca-finetuned-hate-speech-offensive-catalan — модель классификации текста на основе RoBERTa, разработанная как дообученная версия BSC-TeMU/roberta-base-ca. По названию репозитория она предназначена для выявления оскорбительной и разжигающей ненависть речи на каталанском языке. Модель содержит 153,2 млн параметров, принимает текст с контекстом до 514 токенов и доступна в формате PyTorch.

В README указаны результаты оценки: accuracy 0,8778 и loss 0,4137; набор данных и подробности разметки не описаны. Модель может применяться для первичной фильтрации каталаноязычных публикаций и сообщений, требующих проверки модератором. Лицензия — Apache-2.0.

Сценарии применения

фильтрация оскорбительных сообщений на каталанском языке
выявление разжигающей ненависть речи в публикациях
предварительная модерация комментариев на каталанском языке

Ограничения

README не сообщает состав обучающего набора, классы и пороги классификации; метрики оценки приведены без описания протокола. Результаты модели следует проверять на целевом источнике каталанского текста.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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 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-ca-finetuned-mnli

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

Loss: 0.4137
Accuracy: 0.8778

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
0.3699	1.0	1255	0.3712	0.8669
0.3082	2.0	2510	0.3401	0.8766
0.2375	3.0	3765	0.4137	0.8778
0.1889	4.0	5020	0.4671	0.8733
0.1486	5.0	6275	0.5205	0.8749

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: 4a17bac