DistilBERT on ArXiv
This model was developed to predict the top-level category of a paper, given the paper's abstract, title, and list of authors. It was trained over a subset of data pulled from the ArXiv API.
Характеристики
- Контекст
- 512 токенов
- Лицензия
- Apache 2.0
- Архитектура
- distilbert · dense
- Опубликована
- 12 июл 2022
Ссылки
arxiv-topics-distilbert-base-cased
Модель на базе DistilBERT определяет категорию верхнего уровня статьи arXiv по её заголовку, аннотации и списку авторов.
16скачиваний за 30 дней7лайковвеса обновлены25 авг 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
Wi/arxiv-topics-distilbert-base-cased — модель классификации текста на базе DistilBERT, разработанная для определения основной категории научной статьи по её аннотации, заголовку и списку авторов. Она обучена на подмножестве данных, полученных через API arXiv, и предназначена для тематической разметки публикаций из этой области.
Модель принимает текстовые сведения о статье и выдаёт метку категории верхнего уровня. Использует архитектуру DistilBertForSequenceClassification, работает с текстами длиной до 512 токенов и рассчитана на английский язык. Доступна в формате PyTorch по лицензии Apache-2.0.
Подходит для автоматической сортировки и предварительной категоризации научных публикаций. Обучение на подмножестве данных arXiv ограничивает основания для применения к другим предметным областям; качество классификации за пределами описанного сценария не установлено.
Сценарии применения
- автоматическая категоризация статей arXiv по аннотации
- сортировка научных публикаций по тематическим разделам
- предварительная разметка новых статей для каталога публикаций
Ограничения
Обучена на подмножестве данных arXiv, поэтому применимость к публикациям из других источников и областей не установлена. Максимальная длина входа — 512 токенов.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…
- Класс архитектуры
- DistilBertForSequenceClassification
- Ревизия весов
- 2be303a