/ Модель

Характеристики

Контекст
130 токенов
Параметры
162 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
17 сен 2025

AbuseBERT

Классификация текстаТекст → label4 профессии

Англоязычная модель RoBERTa для выявления оскорбительной и токсичной речи в текстах с разных площадок.

91скачиваний за 30 дней1лайквеса обновлены17 сен 2025

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

AbuseBERT — модель классификации текста на основе RoBERTa, дообученная для выявления оскорбительной, токсичной и другой агрессивной речи. Разработчики объединили и согласовали данные из десяти публичных наборов, чтобы уменьшить зависимость от лексических и выборочных особенностей отдельных датасетов и улучшить перенос на новые источники. В карточке сообщается о F1 0,84 на отложенном бенчмарке для интегрированной модели против среднего F1 0,60 у моделей, обученных на отдельных наборах.

Модель предназначена для анализа текста из социальных сетей, форумов и переписок: она может помогать модераторам находить потенциально вредный контент и исследователям изучать онлайн-травлю, кибернасилие и язык ненависти. Это англоязычная модель с контекстом до 130 токенов и 162,4 млн параметров. Доступны веса PyTorch; лицензия — MIT.

Сценарии применения

  • поиск оскорблений и токсичных сообщений в соцсетях
  • выявление языка ненависти на онлайн-форумах
  • предварительная разметка сообщений для проверки модератором
  • анализ распространённости агрессивной речи в текстовых корпусах

Ограничения

В карточке не приведены сведения о классах меток и порогах классификации; рекомендована проверка результатов человеком. Не следует использовать модель для полностью автоматической модерации или решений с высокими юридическими и политическими последствиями.

Для каких профессий подходит4

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

AbuseBERT

Model Description

AbuseBERT is a BERT-based classification model fine-tuned for abusive language detection, optimized for cross-dataset generalization.

Abusive language detection models often suffer from poor generalization due to sampling and lexical biases in individual datasets. Our approach addresses this by integrating publicly available abusive language datasets, harmonizing labels and preprocessing textual samples to create a broader and more representative training distribution.

Key Findings using 10 datasets:

  • Individual dataset models: average F1 = 0.60
  • Integrated model: F1 = 0.84
  • Dataset contribution to performance improvements correlates with lexical diversity (0.71 correlation)
  • Integration exposes models to diverse abuse patterns, enhancing real-world generalization

Conclusion / Takeaways

  • No single dataset captures the full spectrum of abusive language; each dataset reflects a limited slice of the problem space.
  • Systematically integrating ten heterogeneous datasets significantly improves classification performance on a held-out benchmark.
  • Lexically dissimilar datasets contribute more to enhancing generalization.
  • The integrated model demonstrates superior cross-dataset performance compared to models trained on individual datasets.

Paper Reference

Samaneh Hosseini Moghaddam, Kelly Lyons, Frank Rudzicz, Cheryl Regehr, Vivek Goel, Kaitlyn Regehr,
“Enhancing machine learning in abusive language detection with dataset aggregation,” in Proc. 35th IEEE Int. Conf. Collaborative Advances in Software Computing (CASC), 2025.


Intended Use

Recommended:

  • Detecting abusive, offensive, or toxic language in text from social media, online forums, or messaging platforms.

  • Supporting research on online harassment, cyber violence, and hate speech analysis.

  • Assisting human moderators in content review or flagging potentially harmful content.

  • Evaluating trends, prevalence, or patterns of abusive language in large-scale textual datasets.

Not Recommended:

  • Fully automated moderation without human oversight
  • High-stakes legal or policy decisions

Usage Example

from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline

# Load the model
model_name = "Samanehmoghaddam/AbuseBERT"  
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Create a pipeline for text classification
classifier = pipeline("text-classification", model=model, tokenizer=tokenizer)

# Example texts to classify
texts = [
    "@user You are amazing!",
    "@user You are stupid!",
]

# Run the classifier
results = classifier(texts)

# Print results
for text, result in zip(texts, results):
    print(f"Text: {text}")
    print(f"Prediction: {result}")
    print("-" * 40)

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
0ced76a

0 моделей