Характеристики

Контекст: 512 токенов
Параметры: 205 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-multilingual-cased
Опубликована: 14 фев 2024

Ссылки

Hugging Face

lyfi-expert-classification

MrHungry

Классификация текстаТекст → label3 профессии

Дообученная многоязычная BERT-модель для классификации текстов по меткам, заданным при обучении.

11скачиваний за 30 дней0лайковвеса обновлены14 фев 2024

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

lyfi-expert-classification — дообученная модель классификации текста на основе bert-base-multilingual-cased. Она предназначена для отнесения текстов к классам; конкретная схема меток и целевая область применения в карточке не раскрыты. Модель использует архитектуру BERT, содержит 205,1 млн параметров и принимает последовательности длиной до 512 токенов. Базовая модель многоязычная, но конкретные языки, проверенные для этой версии, не перечислены.

В README указана точность 1,0 и потеря 0,0000 на оценочном наборе, однако датасет не назван, а описание обучения и оценки отсутствует, поэтому эти результаты не позволяют судить о качестве на новых данных. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

Классификация текстов по заданным категориям
Отнесение коротких сообщений к классам
Интеграция классификатора текста в приложение на Transformers

Ограничения

В карточке не описаны целевые классы и обучающий датасет; указанные метрики на оценочном наборе не сопровождаются подробностями и не гарантируют качество на новых данных. Максимальная длина входа — 512 токенов.

Для каких профессий подходит3

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 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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

lyfi-expert-classification

This model is a fine-tuned version of bert-base-multilingual-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0000
Accuracy: 1.0

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: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.0583	0.25	500	0.0002	1.0
0.0002	0.5	1000	0.0001	1.0
0.0001	0.75	1500	0.0000	1.0
0.0	1.0	2000	0.0000	1.0
0.0	1.25	2500	0.0000	1.0
0.0	1.5	3000	0.0000	1.0
0.0	1.75	3500	0.0000	1.0
0.0	2.0	4000	0.0000	1.0
0.0	2.25	4500	0.0000	1.0
0.0	2.5	5000	0.0000	1.0
0.0	2.75	5500	0.0000	1.0
0.0	3.0	6000	0.0000	1.0

Framework versions

Transformers 4.36.2
Pytorch 2.3.0.dev20240212
Datasets 2.16.1
Tokenizers 0.15.0

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: 4153c34