/ Модель

Характеристики

Контекст
512 токенов
Параметры
435 млн
Архитектура
bert · dense

German_Zeroshot

Классификация текстаТекст → label5 профессий

Модель на базе GBERT Large для классификации немецких текстов по заданным категориям без примеров обучения.

209скачиваний за 30 дней26лайковвеса обновлены18 мая 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

Sahajtomar/German_Zeroshot — модель Sahajtomar на базе GBERT Large, дообученная на немецкой части XNLI для классификации текста без примеров размеченных классов. Она оценивает текст по заданным пользователем кандидатным категориям; для немецкого следует использовать гипотезу-шаблон на немецком языке, например «In diesem geht es um {}». Английский шаблон по умолчанию в Hugging Face API может давать слабые результаты.

Модель построена на архитектуре BERT для классификации последовательностей, содержит 434,5 млн параметров и рассчитана на контекст до 512 токенов. В карточке приведены точности 85,5% на немецкой dev-выборке XNLI и 83,6% на test-выборке. Указаны форматы PyTorch и Flax. Лицензия в предоставленных данных не указана.

Сценарии применения

  • классификация немецких отзывов по заданным темам
  • маршрутизация немецких обращений в категории поддержки
  • отнесение немецких новостей к заданным рубрикам
  • классификация немецких документов по пользовательским меткам

Ограничения

Лучше всего подходит для немецкого языка и требует гипотезы-шаблона на немецком; английский шаблон по умолчанию может снижать качество. Контекст ограничен 512 токенами.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

German Zeroshot

Model Description

This model has GBERT Large as base model and fine-tuned it on xnli de dataset. The default hypothesis template is in English: This text is {}. While using this model , change it to "In deisem geht es um {}." or something different. While inferencing through huggingface api may give poor results as it uses by default english template. Since model is monolingual and not multilingual, hypothesis template needs to be changed accordingly.

XNLI DEV (german)

Accuracy: 85.5

XNLI TEST (german)

Accuracy: 83.6

Zero-shot classification pipeline

from transformers import pipeline
classifier = pipeline("zero-shot-classification",
                      model="Sahajtomar/German_Zeroshot")
sequence = "Letzte Woche gab es einen Selbstmord in einer nahe gelegenen kolonie"
candidate_labels = ["Verbrechen","Tragödie","Stehlen"]
hypothesis_template = "In deisem geht es um {}."    ## Since monolingual model,its sensitive to hypothesis template. This can be experimented

classifier(sequence, candidate_labels, hypothesis_template=hypothesis_template)
"""{'labels': ['Tragödie', 'Verbrechen', 'Stehlen'],
 'scores': [0.8328856854438782, 0.10494536352157593, 0.06316883927583696],
 'sequence': 'Letzte Woche gab es einen Selbstmord in einer nahe gelegenen Kolonie'}"""

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
d5b0a26

0 моделей