Характеристики

Контекст: 512 токенов
Параметры: 432 млн
Архитектура: bert · dense
Опубликована: 14 фев 2023

Ссылки

Hugging Face

text-classification-multi

badalsahani

Классификация текстаТекст → label7 профессий

Модель BERT для многоклассовой классификации англоязычного текста.

152скачиваний за 30 дней15лайковвеса обновлены14 фев 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

badalsahani/text-classification-multi — модель классификации текста, обученная разработчиком с помощью AutoTrain. Она решает задачу многоклассовой классификации и принимает текст для предсказания класса; модель можно вызывать через Inference API или использовать в экосистеме Transformers и PyTorch.

Модель основана на BERT с головой BertForSequenceClassification, содержит 432,3 млн параметров и рассчитана на последовательности длиной до 512 токенов. В карточке указан английский язык и набор данных badalsahani/autotrain-data-text-classification. На валидации заявлены accuracy и F1, precision и recall со значениями 1,000, однако сведения о размере и составе выборки не приведены, поэтому эти результаты не гарантируют качество на новых данных. Лицензия в предоставленных сведениях не указана.

Сценарии применения

отнесение англоязычных сообщений к заданным классам
классификация коротких текстовых отзывов
автоматическая категоризация пользовательских запросов

Ограничения

В карточке не раскрыты названия классов и подробности обучающего набора; идеальные метрики валидации не подтверждают качество на данных вне этой выборки.

Для каких профессий подходит7

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Trained Using AutoTrain

Problem type: Multi-class Classification
Model ID: 3486594647
CO2 Emissions (in grams): 7.7620

Validation Metrics

Loss: 0.008
Accuracy: 1.000
Macro F1: 1.000
Micro F1: 1.000
Weighted F1: 1.000
Macro Precision: 1.000
Micro Precision: 1.000
Weighted Precision: 1.000
Macro Recall: 1.000
Micro Recall: 1.000
Weighted Recall: 1.000

Usage

You can use cURL to access this model:

$ curl -X POST -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"inputs": "I love AutoTrain"}' https://api-inference.huggingface.co/models/badalsahani/text-classification-multi

Or Python API:

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("badalsahani/text-classification-multi", use_auth_token=True)

tokenizer = AutoTokenizer.from_pretrained("badalsahani/text-classification-multi", use_auth_token=True)

inputs = tokenizer("I love AutoTrain", return_tensors="pt")

outputs = model(**inputs)

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: f7d4007