Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Опубликована: 2 мар 2022

Ссылки

Hugging Face

finetuned-roberta-depression

ShreyaR

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa-base для классификации текстов, связанных с депрессией.

12скачиваний за 30 дней7лайковвеса обновлены20 мая 2022

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

ShreyaR/finetuned-roberta-depression — модель классификации текста на основе RoBERTa-base, дообученная для задачи, связанной с депрессией. В карточке указаны 151,8 млн параметров и контекст до 514 токенов; модель работает с текстом и выдаёт метку классификации.

На оценочном наборе автор сообщает accuracy 0,9745 и loss 0,1385, однако описание набора данных, классов и методики оценки отсутствует. Модель может использоваться для исследовательской классификации текстов, связанных с депрессией, но приведённые метрики не подтверждают надёжность для клинических решений. Лицензия — MIT.

Сценарии применения

классификация текстов о депрессии
анализ пользовательских сообщений на упоминания депрессии
экспериментальная разметка текстов для исследований психического здоровья

Ограничения

Датасет, состав классов и методика оценки не описаны, поэтому заявленные метрики нельзя обобщать на другие данные. Модель не следует использовать для диагностики или принятия клинических решений.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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 IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

finetuned-roberta-depression

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

Loss: 0.1385
Accuracy: 0.9745

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: 3.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.0238	1.0	625	0.1385	0.9745
0.0333	2.0	1250	0.1385	0.9745
0.0263	3.0	1875	0.1385	0.9745

Framework versions

Transformers 4.17.0
Pytorch 1.10.0+cu111
Datasets 2.0.0
Tokenizers 0.11.6

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: a342325