/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Опубликована
30 мая 2022

spanish_news_classification_headlines_untrained

Классификация текстаТекст → label3 профессии

Экспериментальная модель M47Labs на базе BETO для классификации заголовков испанских новостей по тематическим категориям.

18скачиваний за 30 дней0лайковвеса обновлены30 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

M47Labs разработала SNCH — модель классификации заголовков испанских новостей на базе BETO, представленной архитектурой BERT с головой классификации последовательностей. В репозитории указано 137,1 млн параметров; модель принимает текст, имеет контекстное окно 512 токенов и сохранена в формате PyTorch.

Модель предназначена для отнесения новостных заголовков к темам: наука и технологии, кликбейт, культура, спорт, экономика, образование, окружающая среда, мнения, политика и общество. Карточка подчёркивает, что модель не дообучалась на датасете, поэтому её пример использования показывает классификацию без обучения, а не надёжную тематическую модель. В приведённой в README валидации указаны точность 0,362, макроусреднённые precision 0,21 и recall 0,22.

Лицензия в предоставленных данных не указана. Из-за отсутствия дообучения и низких результатов валидации предсказания следует считать экспериментальными; модель не подходит для задач, где требуется высокая точность.

Сценарии применения

  • Определение темы заголовка испанской новости
  • Разметка испанских новостных заголовков по категориям
  • Предварительная тематическая сортировка новостей
  • Исследование классификации текста без дообучения

Ограничения

Модель не дообучалась на датасете; в README для валидации указаны accuracy 0,362, macro precision 0,21 и macro recall 0,22, поэтому качество тематической классификации ограничено. Лицензия в предоставленных данных не указана.

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

Spanish News Classification Headlines

SNCH: this model was developed by M47Labs the goal is text classification, the base model use was BETO, however this model has not been fine-tuned on any dataset. The objective is to show the performance of this model when is used with the objective of inference without training at all.

Dataset validation Sample

Dataset size : 1000

Columns: idTask,task content 1,idTag,tag.

task contenttag
Alcalá de Guadaíra celebra la IV Semana de la Diversidad Sexual con acciones de sensibilizaciónsociedad
El Archipiélago Chinijo Graciplus se impone en el Trofeo Centro Comercial Rubicóndeportes
Un total de 39 personas padecen ELA actualmente en la provinciasociedad
Eurocopa 2021 : Italia vence a Gales y pasa a octavos con su candidatura reforzadadeportes
Resolución de 10 de junio de 2021, del Ayuntamiento de Tarazona de La Mancha (Albacete), referente a la convocatoria para proveer una plaza.sociedad
El primer ministro sueco pierde una moción de censurapolitica
El dólar se dispara tras la reunión de la Fedeconomia

Labels:

  • ciencia_tecnologia

  • clickbait

  • cultura

  • deportes

  • economia

  • educacion

  • medio_ambiente

  • opinion

  • politica

  • sociedad

Example of Use

Pipeline


import torch
from transformers import AutoTokenizer, BertForSequenceClassification,TextClassificationPipeline


review_text = 'los vehiculos que esten esperando pasajaeros deberan estar apagados para reducir emisiones'
path = "M47Labs/spanish_news_classification_headlines_untrained"
tokenizer = AutoTokenizer.from_pretrained(path)
model = BertForSequenceClassification.from_pretrained(path)


nlp = TextClassificationPipeline(task = "text-classification",
                model = model,
                tokenizer = tokenizer)

print(nlp(review_text))

[{'label': 'medio_ambiente', 'score': 0.2834321384291023}]

Pytorch


import torch
from transformers import AutoTokenizer, BertForSequenceClassification,TextClassificationPipeline
from numpy import np

model_name  = 'M47Labs/spanish_news_classification_headlines_untrained'
MAX_LEN = 32


tokenizer = AutoTokenizer.from_pretrained(model_name)

model = AutoModelForSequenceClassification.from_pretrained(model_name)

texto = "las emisiones estan bajando, debido a las medidas ambientales tomadas por el gobierno"


encoded_review = tokenizer.encode_plus(
  texto,
  max_length=MAX_LEN,
  add_special_tokens=True,
  #return_token_type_ids=False,
  pad_to_max_length=True,
  return_attention_mask=True,
  return_tensors='pt',
)

input_ids = encoded_review['input_ids']
attention_mask = encoded_review['attention_mask']
output = model(input_ids, attention_mask)

_, prediction = torch.max(output['logits'], dim=1)
print(f'Review text: {texto}')

print(f'Sentiment  : {model.config.id2label[prediction.detach().cpu().numpy()[0]]}')

Review text: las emisiones estan bajando, debido a las medidas ambientales tomadas por el gobierno

Sentiment : opinion

A more in depth example on how to use the model can be found in this colab notebook: https://colab.research.google.com/drive/1XsKea6oMyEckye2FePW_XN7Rf8v41Cw_?usp=sharing

Validation Results

Full Dataset
Accuracy Score0.362
Precision (Macro)0.21
Recall (Macro)0.22

alt text

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
1105ed2

0 моделей