/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense

indo-roberta-indonli

Классификация текстаТекст → label3 профессии

Дообученная на IndoNLI модель RoBERTa классифицирует отношения между индонезийскими текстовыми утверждениями.

35скачиваний за 30 дней3лайкавеса обновлены11 ноя 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

Indo-roberta-indonli — модель классификации текстовых пар для вывода на естественном языке (NLI), разработанная Steven Limcorn. Она основана на Indo-roberta и дообучена на наборе данных IndoNLI; архитектура — RoBERTa для классификации последовательностей, размер — 151,8 млн параметров, контекст — до 514 токенов.

Модель предназначена для проверки отношений между двумя утверждениями: например, определения, следует ли второе утверждение из первого, противоречит ему или не связано с ним. В README приведены результаты на тестовых наборах IndoNLI и пример использования через Transformers. Модель рассчитана на индонезийский язык.

В репозитории представлены веса PyTorch и TensorFlow. Автор предупреждает о возможном переносе смещений из базовой модели и датасета IndoNLI. Лицензия — MIT.

Сценарии применения

  • определение логического следования между индонезийскими утверждениями
  • поиск противоречий в индонезийских текстах
  • классификация отношений между посылкой и гипотезой на индонезийском языке

Ограничения

В README указаны более низкие метрики на тестовом наборе Test Expert, чем на Test Lay. Результаты могут наследовать смещения предобученной модели и датасета IndoNLI.

Для каких профессий подходит3

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

Indo-roberta-indonli

Indo-roberta-indonli is natural language inference classifier based on Indo-roberta model. It was trained on the trained on IndoNLI dataset. The model used was Indo-roberta and was transfer-learned to a natural inference classifier model. The model are tested using the validation, test_layer and test_expert dataset given in the github repository. The results are shown below.

Result

DatasetAccuracyF1PrecisionRecall
Test Lay0.743290.740750.742830.74133
Test Expert0.61150.605430.639240.61742

Model

The model was trained on with 5 epochs, batch size 16, learning rate 2e-5 and weight decay 0.01. Achieved different metrics as shown below.

EpochTraining LossValidation LossAccuracyF1PrecisionRecall
10.9425000.6585590.7373690.7355520.7354880.736679
20.6492000.6452900.7614930.7595930.7627840.759642
30.4371000.6671630.7660450.7639790.7657400.763792
40.2820000.7866830.7646790.7618020.7620110.761684
50.1935000.9257170.7651340.7631270.7635600.763489

How to Use

As NLI Classifier

from transformers import pipeline
pretrained_name = "StevenLimcorn/indonesian-roberta-indonli"
nlp = pipeline(
    "zero-shot-classification",
    model=pretrained_name,
    tokenizer=pretrained_name
)
nlp("Amir Sjarifoeddin Harahap lahir di Kota Medan, Sumatera Utara, 27 April 1907. Ia meninggal di Surakarta, Jawa Tengah, pada 19 Desember 1948 dalam usia 41 tahun. </s></s> Amir Sjarifoeddin Harahap masih hidup.")

Disclaimer

Do consider the biases which come from both the pre-trained RoBERTa model and the INDONLI dataset that may be carried over into the results of this model.

Author

Indonesian RoBERTa Base IndoNLI was trained and evaluated by Steven Limcorn. All computation and development are done on Google Colaboratory using their free GPU access.

Reference

The dataset we used is by IndoNLI.

@inproceedings{indonli,
    title = "IndoNLI: A Natural Language Inference Dataset for Indonesian",
    author = "Mahendra, Rahmad and Aji, Alham Fikri and Louvan, Samuel and Rahman, Fahrurrozi and Vania, Clara",
    booktitle = "Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2021",
    publisher = "Association for Computational Linguistics",
}

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
638a504

0 моделей