/ Модель

Характеристики

Контекст
258 токенов
Параметры
162 млн
Архитектура
roberta · dense
Базовая модель
phobert-base-v2
Опубликована
21 фев 2024

comment_classification

Классификация текстаТекст → label

Дообученная на PhoBERT-base-v2 модель для классификации вьетнамских комментариев.

12скачиваний за 30 дней0лайковвеса обновлены21 фев 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

ShynBui/comment_classification — модель классификации текста на базе PhoBERT-base-v2, дообученная для классификации комментариев. Она использует архитектуру RoBERTa с головой классификации последовательностей и содержит 162,4 млн параметров. Модель принимает текст и выдаёт метку класса; контекст — до 258 токенов.

На указанном в карточке наборе оценки модель достигла accuracy 0,9236 и loss 0,4330. Базовая PhoBERT предназначена для обработки вьетнамского языка, поэтому модель ориентирована прежде всего на классификацию вьетнамских комментариев. Данные обучения и перечень классов не описаны, поэтому конкретные категории комментариев подтвердить нельзя. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • классификация комментариев по категориям
  • автоматическая разметка вьетнамских комментариев
  • классификация коротких текстовых сообщений

Ограничения

В карточке не описаны обучающие данные и классы меток, а результат оценки приведён без подробностей о выборке и методике. Контекст ограничен 258 токенами; указанные метрики не гарантируют аналогичного качества на других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

comment_classification

This model is a fine-tuned version of vinai/phobert-base-v2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4330
  • Accuracy: 0.9236

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: 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: 5

Training results

Training LossEpochStepValidation LossAccuracy
0.26531.0184350.25840.9164
0.21892.0368700.22690.9224
0.20053.0553050.33770.9237
0.13594.0737400.37290.9231
0.11315.0921750.43300.9236

Framework versions

  • Transformers 4.37.2
  • Pytorch 2.1.0+cu121
  • Tokenizers 0.15.2

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
b4e6acc

0 моделей