/ Модель

Характеристики

Контекст
512 токенов
Параметры
454 млн
Архитектура
bert · dense
Библиотека
transformers
Опубликована
23 мар 2023

bert-large-finnish-cased-toxicity

Классификация текстаТекст → label3 профессии

Модель TurkuNLP на базе финского BERT выявляет шесть видов токсичности в финскоязычных текстах.

218скачиваний за 30 дней4лайкавеса обновлены2 июн 2023

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

TurkuNLP/bert-large-finnish-cased-toxicity — модель TurkuNLP для многометочной классификации токсичности финскоязычных текстов. Она дообучена на bert-base-finnish-cased-v1 с использованием набора данных jigsaw_toxicity_pred_fi и предсказывает вероятности шести меток токсичности. Модель построена на архитектуре BERT с классификационной головой BertForSequenceClassification, содержит 454 млн параметров и принимает последовательности длиной до 512 токенов.

Модель подходит для выявления токсичных высказываний и анализа пользовательского контента на финском языке. README показывает пример использования через Transformers pipeline с функцией sigmoid для получения вероятностей меток. Доступный формат — PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • модерация комментариев на финском языке
  • выявление токсичных публикаций в пользовательских сообществах
  • многометочная классификация оскорбительных высказываний
  • анализ токсичности сообщений перед публикацией

Ограничения

Модель рассчитана на финский язык и ограничена контекстом до 512 токенов. Качество зависит от соответствия текста и меток реальным условиям применения; сведения о лицензии в предоставленных источниках отсутствуют.

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

bert-large-finnish-cased-v1 for toxicity detection

This is the bert-base-finnish-cased-v1 model, fine-tuned using the Finnish jigsaw_toxicity_pred_fi dataset. The model is trained to predict probabilities for 6 different toxicity labels introduced in the dataset card.

Overview

Language model: bert-base-finnish-v1

Language: Finnish

Downstream-task: Multi-label toxicity detection (multi-label text classification)

Training data: jigsaw_toxicity_pred_fi

Eval data: jigsaw_toxicity_pred_fi

Citing

If you use this model please cite us using the following bibtex.

@inproceedings{eskelinen-etal-2023-toxicity,
    title = "Toxicity Detection in {F}innish Using Machine Translation",
    author = "Eskelinen, Anni  and
      Silvala, Laura  and
      Ginter, Filip  and
      Pyysalo, Sampo  and
      Laippala, Veronika",
    booktitle = "Proceedings of the 24th Nordic Conference on Computational Linguistics (NoDaLiDa)",
    month = may,
    year = "2023",
    address = "T{\'o}rshavn, Faroe Islands",
    publisher = "University of Tartu Library",
    url = "https://aclanthology.org/2023.nodalida-1.68",
    pages = "685--697",
    abstract = "Due to the popularity of social media platforms and the sheer amount of user-generated content online, the automatic detection of toxic language has become crucial in the creation of a friendly and safe digital space. Previous work has been mostly focusing on English leaving many lower-resource languages behind. In this paper, we present novel resources for toxicity detection in Finnish by introducing two new datasets, a machine translated toxicity dataset for Finnish based on the widely used English Jigsaw dataset and a smaller test set of Suomi24 discussion forum comments originally written in Finnish and manually annotated following the definitions of the labels that were used to annotate the Jigsaw dataset. We show that machine translating the training data to Finnish provides better toxicity detection results than using the original English training data and zero-shot cross-lingual transfer with XLM-R, even with our newly annotated dataset from Suomi24.",
}

Usage

the model can be used through a huggingface pipeline:

model = transformers.AutoModelForSequenceClassification.from_pretrained("TurkuNLP/bert-large-finnish-cased-toxicity")
tokenizer = transformers.AutoTokenizer.from_pretrained("TurkuNLP/bert-large-finnish-cased-v1")
pipe = transformers.pipeline(task="text-classification", model=model, tokenizer=tokenizer, function_to_apply="sigmoid", top_k=None)

Hyperparameters

batch_size = 12
epochs = 10 (trained for 4)
base_LM_model = "bert-large-finnish-cased-v1"
max_seq_len = 512
learning_rate = 2e-5

Performance

F1-micro = 0.66
F1-macro = 0.57
Precision (micro) = 0.58
Recall (micro) = 0.76

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
0441055

0 моделей