Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Опубликована: 23 авг 2022

Ссылки

Hugging Face

English_Grammar_Checker

abdulmatinomotoso

Классификация текстаТекст → label3 профессии

Классификатор текста на базе BERT, дообученный на GLUE и представленный как проверщик английской грамматики.

4 218скачиваний за 30 дней8лайковвеса обновлены23 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

EnglishGrammarChecker — модель abdulmatinomotoso, дообученная на bert-base-uncased на наборе данных GLUE. Это классификатор последовательностей на базе BERT с 136,7 млн параметров и контекстом до 512 токенов. В названии заявлена проверка английской грамматики, однако карточка не описывает назначение, обучающие данные или способ интерпретации предсказаний; метрики приведены для оценки на GLUE: loss 1,1117 и Matthews correlation 0,5324.

Модель принимает текст и выдаёт результат классификации, поэтому её можно применять в задачах классификации текста, но пригодность именно для исправления грамматики не подтверждена описанием. Лицензия — Apache-2.0.

Сценарии применения

классификация английских текстовых фрагментов
экспериментальная проверка английских предложений на грамматические ошибки
оценка качества классификации текста на GLUE

Ограничения

Карточка не раскрывает классы, обучающую выборку и метод исправления ошибок; приведённые метрики относятся к оценке на GLUE, а не явно к проверке грамматики. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

English_Grammar_Checker

This model is a fine-tuned version of bert-base-uncased on the glue dataset. It achieves the following results on the evaluation set:

Loss: 1.1117
Matthews Correlation: 0.5324

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: 5e-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 Loss	Epoch	Step	Validation Loss	Matthews Correlation
0.527	1.0	1069	0.6183	0.3947
0.387	2.0	2138	0.5165	0.5156
0.2772	3.0	3207	0.6716	0.5211
0.176	4.0	4276	0.9270	0.5123
0.0975	5.0	5345	1.1117	0.5324

Framework versions

Transformers 4.21.1
Pytorch 1.12.1+cu113
Datasets 2.4.0
Tokenizers 0.12.1

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: BertForSequenceClassification
Ревизия весов: cad6e50