/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
cc
Архитектура
bert · dense
Библиотека
transformers
Опубликована
19 янв 2024

cl-tohoku-bert-base-japanese-v3-jlpt-classifier

Классификация текстаТекст → label3 профессии

Классификатор оценивает примерный уровень JLPT для японских предложений по пяти классам от N5 до N1.

114скачиваний за 30 дней6лайковвеса обновлены18 авг 2024

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

bennexx подготовил классификатор японских предложений по уровням JLPT, дообучив cl-tohoku/bert-base-japanese-v3 на примерно 5000 размеченных предложениях с сайтов для изучающих язык. Модель использует архитектуру BERT, содержит 138,4 млн параметров и принимает текст длиной до 512 токенов; результатом служит один из классов N5, N4, N3, N2 или N1.

Модель подходит для примерной оценки сложности отдельного японского предложения, например при подборе учебных текстов или сортировке материалов по уровню JLPT. На тестовых данных, близких к обучающей выборке, указана точность 0,84, однако на официальных материалах JLPT качество заметно хуже, поэтому оценку не следует считать точной. Лицензия в метаданных указана как cc.

Сценарии применения

  • примерная оценка уровня JLPT для японского предложения
  • сортировка учебных предложений по сложности
  • подбор японских текстов для учащихся разных уровней

Ограничения

Качество на тестовых данных, похожих на обучающую выборку, составляет около 0,84, но на официальных материалах JLPT модель работает заметно хуже. Она даёт лишь приблизительную оценку сложности отдельного предложения.

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

Summary

This is a text classifier for assigning a JLPT level. It was trained at the sentence level. A pre-trained cl-tohoku-bert-japanese-v3 is finetuned on ~5000 labeled sentences obtained from language learning websites. Performance on same distribution data is good.

              precision    recall  f1-score   support
          N5       0.88      0.88      0.88        25
          N4       0.90      0.89      0.90        53
          N3       0.78      0.90      0.84        62
          N2       0.71      0.79      0.75        47
          N1       0.95      0.77      0.85        73
    accuracy                           0.84       260
   macro avg       0.84      0.84      0.84       260
weighted avg       0.85      0.84      0.84       260

But on test data consisting of official JLPT material it is not so good.

              precision    recall  f1-score   support
          N5       0.62      0.66      0.64       145
          N4       0.34      0.36      0.35       143
          N3       0.33      0.67      0.45       197
          N2       0.26      0.20      0.23       192
          N1       0.59      0.08      0.15       202
    accuracy                           0.38       879
   macro avg       0.43      0.39      0.36       879
weighted avg       0.42      0.38      0.34       879

Still, it can give a ballpark estimation of sentence difficulty, although not very precise.

Cite

@inproceedings{benedetti-etal-2024-automatically,
    title = "Automatically Suggesting Diverse Example Sentences for {L}2 {J}apanese Learners Using Pre-Trained Language Models",
    author = "Benedetti, Enrico  and
      Aizawa, Akiko  and
      Boudin, Florian",
    editor = "Fu, Xiyan  and
      Fleisig, Eve",
    booktitle = "Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 4: Student Research Workshop)",
    month = aug,
    year = "2024",
    address = "Bangkok, Thailand",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2024.acl-srw.11",
    pages = "114--131"
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
86a7703

0 моделей