/ Модель

Характеристики

Контекст
514 токенов
Параметры
95,2 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense

distilroberta-finetuned-stereotype-detection

Классификация текстаТекст → label3 профессии

Дообученная модель RoBERTa для классификации текста и выявления стереотипов, в том числе гендерных.

54скачиваний за 30 дней5лайковвеса обновлены13 сен 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

Narrativa/distilroberta-finetuned-stereotype-detection — дообученная модель на базе distilroberta-base для классификации текста с целью выявления стереотипов. Архитектура — RoBERTa для классификации последовательностей; размер составляет 95,2 млн параметров, контекст — до 514 токенов. В карточке указаны результаты оценки: accuracy 0,9892 и loss 0,0651.

Модель принимает текст и выдаёт метку классификации. Она может применяться для автоматического выявления стереотипных формулировок в текстах и анализа гендерных предубеждений. Обучающий датасет и подробности о схеме меток не описаны, поэтому результаты оценки не позволяют судить о качестве на других доменах. Лицензия — Apache-2.0.

Сценарии применения

  • выявление стереотипных формулировок в тексте
  • первичный анализ гендерных предубеждений в текстах
  • автоматическая маркировка текста для аудита контента

Ограничения

Обучающий датасет и схема меток не описаны; заявленные метрики оценки не показывают, насколько модель обобщает на другие тексты и предметные области.

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

distilRoberta-stereotype

This model is a fine-tuned version of distilroberta-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0651
  • Accuracy: 0.9892

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 LossEpochStepValidation LossAccuracy
0.07831.056150.07030.9847
0.04682.0112300.05730.9863
0.03163.0168450.05800.9882
0.01724.0224600.05910.9885
0.00985.0280750.06510.9892

Framework versions

  • Transformers 4.10.2
  • Pytorch 1.9.0+cu102
  • Datasets 1.11.0
  • Tokenizers 0.10.3

Created by: Narrativa

About Narrativa: Natural Language Generation (NLG) | Gabriele, our machine learning-based platform, builds and deploys natural language solutions. #NLG #AI

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
86927ae

0 моделей