Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Опубликована: 7 ноя 2024

Ссылки

Hugging Face

common_metaphors_detection

Sasidhar1826

Классификация текстаТекст → label3 профессии

Англоязычная BERT-модель для классификации текста и обнаружения распространённых метафор в предложениях.

11скачиваний за 30 дней1лайквеса обновлены9 ноя 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

Sasidhar1826/common_metaphors_detection — англоязычная модель классификации текста на базе BERT, дообученная для обнаружения распространённых метафор. Она принимает текст и относит его к классам задачи классификации, помогая находить метафорические выражения в предложениях. Модель содержит 136,7 млн параметров, работает с контекстом до 512 токенов и распространяется в формате PyTorch по лицензии Apache-2.0.

В карточке указана точность 64% на небольшом специализированном наборе данных. Автор предупреждает, что модель ненадёжна для широкого применения: смысл метафор зависит от контекста, а обучающие примеры охватывают ограниченный набор случаев. Для повышения качества предложено дообучение на VU Amsterdam Metaphor Corpus.

Сценарии применения

поиск распространённых метафор в предложениях
разметка текста по наличию метафор
анализ метафорических выражений в англоязычном корпусе

Ограничения

Указанная точность составляет 64% на небольшом специализированном наборе данных; автор не рекомендует считать модель надёжной для масштабного применения. Обучающие данные покрывают ограниченный набор случаев, а интерпретация метафор зависит от контекста.

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 I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Common Metaphors Detection Model

This model achieves an accuracy of 64% on specific metaphor data of small dataset. This is build upon bert-base-uncased this is not yet too much reliable to use in full scale as the metaphors meanings varies over the context of the sentences and the trained data is specific for only some cases. If you train it over VU Amsterdam Metaphor Corpus you can get better results in overall.

Usage

You can load this model in your Hugging Face code as follows:

from transformers import AutoModel

model = AutoModel.from_pretrained('Sasidhar1826/common_metaphors_detection')

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: b4d0b1b