/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
bert · dense
Опубликована
17 окт 2023

toxic-bert-german

Классификация текстаТекст → label3 профессии

BERT-модель для выявления токсичных комментариев на немецком языке.

33скачиваний за 30 дней0лайковвеса обновлены15 ноя 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

ankekat1000/toxic-bert-german — модель на базе bert-base-german-cased от deepset, дообученная для бинарной классификации токсичности комментариев на немецком языке. Она относит комментарии к токсичным или нетоксичным; токсичность включает грубость, оскорбления, ненависть и другие формулировки, из-за которых пользователи могут чувствовать неуважение. Модель подходит для автоматической модерации комментариев на немецкоязычных новостных сайтах и платформах онлайн-обсуждений.

Модель использует архитектуру BERT для классификации последовательностей, содержит 136,3 млн параметров и принимает текст длиной до 512 токенов. Для дообучения использовали более 14 тысяч комментариев, размеченных краудсорсинговым способом. В тестовой оценке указаны точность 86% и macro F1 75%; для класса токсичных комментариев F1 составляет 0,59, поэтому модель может пропускать токсичные сообщения. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование.

Сценарии применения

  • фильтрация токсичных комментариев на немецкоязычных сайтах
  • предварительная модерация комментариев к новостям
  • поиск оскорбительных сообщений на платформах обсуждений

Ограничения

Для токсичного класса F1 составляет 0,59, поэтому возможны пропуски токсичных комментариев. Контекст ограничен 512 токенами; лицензия CC BY-NC-SA 4.0 не допускает коммерческого использования.

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

Model description

This model is a fine-tuned version of the bert-base-german-cased model by deepset to classify toxic German-language user comments.

How to use

You can use the model with the following code.

#!pip install transformers

from transformers import AutoModelForSequenceClassification, AutoTokenizer, TextClassificationPipeline

model_path = "ankekat1000/toxic-bert-german"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForSequenceClassification.from_pretrained(model_path)

pipeline =  TextClassificationPipeline(model=model, tokenizer=tokenizer)
print(pipeline('du bist blöd.'))

You can apply the pipeline on a data set.


df['result'] = df['comment_text'].apply(lambda x: pipeline(x[:512])) #Cuts after max. legth of tokens for this model, which is 512 for this model.
# Afterwards, you can make two new columns out of the column "result", one including the label, one including the score.
df['toxic_label'] = df['result'].str[0].str['label']
df['score'] = df['result'].str[0].str['score']

Training

The pre-trained model bert-base-german-cased model by deepset was fine-tuned on a crowd-annotated data set of over 14,000 user comments that has been labeled for toxicity in a binary classification task.

As toxic, we defined comments that are inappropriate in whole or in part. By inappropriate, we mean comments that are rude, insulting, hateful, or otherwise make users feel disrespected.

Language model: bert-base-cased (~ 12GB)
Language: German
Labels: Toxicity (binary classification)
Training data: User comments posted to websites and facebook pages of German news media, user comments posted to online participation platforms (~ 14,000)
Labeling procedure: Crowd annotation
Batch size: 32
Epochs: 4
Max. tokens length: 512
Infrastructure: 1xGPU Quadro RTX 8000
Published: Oct 24th, 2023

Evaluation results

Accuracy:: 86%
Macro avg. f1:: 75%

LabelPrecisionRecallF1Nr. comments in test set
not toxic0.940.940.911094
toxic0.680.530.59274

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
1756ff1

0 моделей