Характеристики

Контекст: 512 токенов
Параметры: 138 млн
Лицензия: MIT
Архитектура: electra · dense
Опубликована: 6 мая 2022

Ссылки

GermanPolitical-Gelectra-base

Классификация текстаТекст → label3 профессии

Дообученная немецкая ELECTRA-модель для классификации политической тональности по отношению к шести популярным партиям Германии.

51скачиваний за 30 дней6лайковвеса обновлены4 июл 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

GermanPolitical-Gelectra-base — модель классификации текстов, дообученная Максимилианом Витте, Яспером Швенцовым, Марком Хайтманном и Маттиасом Ассенмахером в сотрудничестве Гамбургского университета и Мюнхенского университета имени Людвига Максимилиана. Она основана на german-nlp-group/electra-base-german-uncased и предназначена для классификации политической тональности в отношении популярных немецких партий: CDU/CSU, SPD, FDP, Grüne, Die Linke и AfD.

Модель использует архитектуру Gelectra-base без учёта регистра, содержит 138,4 млн параметров и принимает последовательности длиной до 512 токенов. Она рассчитана на немецкоязычные политические тексты; в метаданных указаны наборы Wahl-o-Mat и Wahlprogramme. Модель распространяется по лицензии MIT. Описание не уточняет метрики качества и метод разметки политической тональности.

Сценарии применения

классификация политической тональности немецкого текста
определение отношения текста к CDU/CSU, SPD, FDP, Grüne, Die Linke или AfD
анализ ответов из Wahl-o-Mat
анализ партийных программ на немецком языке

Ограничения

Модель предназначена для немецких политических текстов и классификации тональности относительно шести перечисленных партий. В карточке не приведены метрики качества и подробности методики разметки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GermanPolitical-Gelectra-base

Released May 2022, we fine-tuned the german electra model pre-trained by german-nlp-group (orginal model can be found at 'german-nlp-group/electra-base-german-uncased') to classify political sentiment of popular german parties. Supported parties at the moment are "CDU/CSU", "SPD", "FDP", "Grüne", "Die Linke", "AfD".

Overview

Architecture: Gelectra-base (uncased)

Language: German

Datasets & Methodology

Methodology for model

For more information about data and methodology visit: https://www.wahl-o-bot.de/Methodik

Production

The model can be used for free at https://www.wahl-o-bot.de

Authors

Feel free to contact us about questions or feedback. We are always happy to help.

Maximilian Witte: maximilian.witte@uni-hamburg.de
Jasper Schwenzow: jasper.schwenzow@uni-hamburg.de
Mark Heitmann: mark.heitmann@uni-hamburg.de
Matthias Assenmacher: matthias@stat.uni-muenchen.de

The model is built in collaboration of the University of Hamburg and Ludwig Maximilians University Munich.

https://www.bwl.uni-hamburg.de/ci.html

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры: ElectraForSequenceClassification
Ревизия весов: d4d5959