Характеристики

Контекст: 514 токенов
Параметры: 26,6 млн
Архитектура: roberta · dense
Опубликована: 10 авг 2022

Ссылки

Hugging Face

categorization-finetuned-20220721-164940-distilled-20220810-123313

carted-nlp

Классификация текстаТекст → label7 профессий

Дообученная модель RoBERTa для классификации текстов по категориям.

15скачиваний за 30 дней0лайковвеса обновлены10 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

Модель carted-nlp/categorization-finetuned-20220721-164940-distilled-20220810-123313 — дообученная Carted-NLP модель для классификации текста на базе RoBERTa. Она содержит 26,6 млн параметров и принимает последовательности длиной до 514 токенов. В README указаны результаты оценки: accuracy 0,8416 и F1 0,8396.

Модель подходит для отнесения текстов к категориям в задачах автоматической разметки и маршрутизации. Язык категорий и обучающих данных, набор меток и условия лицензии в доступных сведениях не описаны.

Сценарии применения

классификация текста по заданным категориям
автоматическая категоризация документов
разметка текстов для последующей обработки
маршрутизация текстовых обращений по классам

Ограничения

Язык модели, набор категорий и обучающие данные не описаны. В README приведены метрики оценки, но не указаны тестовый набор и условия проверки; лицензия не приведена в доступных данных.

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 I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

categorization-finetuned-20220721-164940-distilled-20220810-123313

This model is a fine-tuned version of carted-nlp/categorization-finetuned-20220721-164940 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0787
Accuracy: 0.8416
F1: 0.8396

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: 7e-06
train_batch_size: 64
eval_batch_size: 64
seed: 314
gradient_accumulation_steps: 4
total_train_batch_size: 256
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 1500
num_epochs: 15.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.2976	0.56	2500	0.1441	0.7219	0.7071
0.1417	1.12	5000	0.1180	0.7719	0.7653
0.1236	1.69	7500	0.1076	0.7901	0.7854
0.1148	2.25	10000	0.1014	0.8015	0.7977
0.1092	2.81	12500	0.0972	0.8089	0.8052
0.1043	3.37	15000	0.0942	0.8135	0.8102
0.1013	3.94	17500	0.0916	0.8181	0.8147
0.0985	4.5	20000	0.0897	0.8219	0.8190
0.0962	5.06	22500	0.0881	0.8241	0.8215
0.0945	5.62	25000	0.0866	0.8270	0.8246
0.0928	6.19	27500	0.0857	0.8286	0.8262
0.0912	6.75	30000	0.0843	0.8310	0.8286
0.0901	7.31	32500	0.0836	0.8321	0.8299
0.0887	7.87	35000	0.0827	0.8339	0.8315
0.0879	8.43	37500	0.0821	0.8350	0.8329
0.0875	9.0	40000	0.0814	0.8362	0.8342
0.0865	9.56	42500	0.0811	0.8370	0.8348
0.0855	10.12	45000	0.0806	0.8375	0.8355
0.0853	10.68	47500	0.0798	0.8386	0.8367
0.0845	11.25	50000	0.0799	0.8392	0.8372
0.0844	11.81	52500	0.0793	0.8401	0.8383
0.0838	12.37	55000	0.0793	0.8402	0.8381
0.0834	12.93	57500	0.0790	0.8410	0.8390
0.0832	13.5	60000	0.0788	0.8414	0.8394
0.083	14.06	62500	0.0787	0.8415	0.8395
0.0828	14.62	65000	0.0787	0.8416	0.8396

Framework versions

Transformers 4.17.0
Pytorch 1.11.0+cu113
Datasets 2.3.2
Tokenizers 0.11.6

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: 76d40fc