/ Модель

Характеристики

Контекст
514 токенов
Параметры
454 млн
Архитектура
roberta · dense
Опубликована
29 сен 2022

roberta-large-tweet-topic-multi-all

Классификация текстаТекст → label6 профессий

Дообученная RoBERTa-large для многометочной классификации тем в сообщениях Twitter.

8скачиваний за 30 дней6лайковвеса обновлены30 сен 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

cardiffnlp/roberta-large-tweet-topic-multi-all — модель Cardiff NLP, дообученная на базе roberta-large для многометочной классификации тем в сообщениях Twitter. Она обучена на полном разбиении train_all набора tweet_topic_multi и проверена на test_2021. Модель принимает текст и предсказывает тематические метки; размер составляет 454,1 млн параметров, длина контекста — 514 токенов.

На test_2021 модель показала micro F1 0,763, macro F1 0,620 и accuracy 0,537. Она подходит для автоматической разметки тем в твитах и анализа тематик публикаций. В карточке не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

Сценарии применения

  • определение тематики твитов
  • многометочная разметка публикаций в Twitter
  • анализ тематик массива сообщений
  • автоматическая категоризация коротких текстов

Ограничения

Метрики на test_2021 составляют micro F1 0,763, macro F1 0,620 и accuracy 0,537; качество на других данных не установлено. Лицензия в предоставленных источниках не указана.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cardiffnlp/roberta-large-tweet-topic-multi-all

This model is a fine-tuned version of roberta-large on the tweet_topic_multi. This model is fine-tuned on train_all split and validated on test_2021 split of tweet_topic. Fine-tuning script can be found here. It achieves the following results on the test_2021 set:

  • F1 (micro): 0.7631035905901775
  • F1 (macro): 0.6202570779365779
  • Accuracy: 0.5366289458010721

Usage

import math
import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer

def sigmoid(x):
  return 1 / (1 + math.exp(-x))
  
tokenizer = AutoTokenizer.from_pretrained("cardiffnlp/roberta-large-tweet-topic-multi-all")
model = AutoModelForSequenceClassification.from_pretrained("cardiffnlp/roberta-large-tweet-topic-multi-all", problem_type="multi_label_classification")
model.eval()
class_mapping = model.config.id2label

with torch.no_grad():
  text = #NewVideo Cray Dollas- Water- Ft. Charlie Rose- (Official Music Video)- {{URL}} via {@YouTube@} #watchandlearn {{USERNAME}}
  tokens = tokenizer(text, return_tensors='pt')
  output = model(**tokens)
  flags = [sigmoid(s) > 0.5 for s in output[0][0].detach().tolist()]
  topic = [class_mapping[n] for n, i in enumerate(flags) if i]
print(topic)

Reference


@inproceedings{dimosthenis-etal-2022-twitter,
    title = "{T}witter {T}opic {C}lassification",
    author = "Antypas, Dimosthenis  and
    Ushio, Asahi  and
    Camacho-Collados, Jose  and
    Neves, Leonardo  and
    Silva, Vitor  and
    Barbieri, Francesco",
    booktitle = "Proceedings of the 29th International Conference on Computational Linguistics",
    month = oct,
    year = "2022",
    address = "Gyeongju, Republic of Korea",
    publisher = "International Committee on Computational Linguistics"
}

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
RobertaForSequenceClassification
Ревизия весов
98447ed

0 моделей