Характеристики

Контекст: 514 токенов
Параметры: 121 млн
Архитектура: roberta · dense
Опубликована: 3 авг 2022

Ссылки

Hugging Face

categorization-finetuned-20220721-164940-pruned-20220803-123018

carted-nlp

Классификация текстаТекст → label4 профессии

Дообученный классификатор RoBERTa для отнесения текстов к категориям.

11скачиваний за 30 дней0лайковвеса обновлены3 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-pruned-20220803-123018 — классификатор текстовых последовательностей на базе RoBERTa, разработанный carted-nlp. Модель дообучена для категоризации текста; в метаданных указан размер 120,9 млн параметров и контекст до 514 токенов.

На оценочной выборке модель показала accuracy 0,8558 и F1 0,8539 при loss 0,5476. README не уточняет набор категорий, назначение классификации или состав данных, поэтому применять её для конкретной предметной области без проверки соответствия меток и данных не следует. Лицензия в предоставленных данных не указана.

Сценарии применения

классификация текстов по категориям, заданным при обучении
автоматическая категоризация документов
сортировка текстовых обращений по классам
разметка текстовых записей метками модели

Ограничения

README не раскрывает набор меток, обучающие данные и целевую область применения; метрики оценки не гарантируют качество на других данных. Контекст ограничен 514 токенами.

Для каких профессий подходит4

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 I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

categorization-finetuned-20220721-164940-pruned-20220803-123018

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: 0.5476
Accuracy: 0.8558
F1: 0.8539

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: 48
eval_batch_size: 48
seed: 314
gradient_accumulation_steps: 6
total_train_batch_size: 288
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
lr_scheduler_warmup_steps: 500
num_epochs: 15

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.3421	0.51	2000	0.4324	0.8871	0.8864
0.3435	1.01	4000	0.4276	0.8885	0.8878
0.327	1.52	6000	0.4300	0.8891	0.8884
0.3299	2.02	8000	0.4266	0.8891	0.8885
0.3217	2.53	10000	0.4303	0.8881	0.8873
0.3347	3.04	12000	0.4291	0.8885	0.8879
0.3307	3.54	14000	0.4334	0.8873	0.8867
0.3537	4.05	16000	0.4340	0.8850	0.8844
0.3659	4.56	18000	0.4426	0.8828	0.8819
0.3933	5.06	20000	0.4485	0.8805	0.8796
0.4117	5.57	22000	0.4553	0.8779	0.8768
0.4501	6.07	24000	0.4734	0.8734	0.8725
0.4848	6.58	26000	0.4895	0.8690	0.8678
0.5182	7.09	28000	0.5137	0.8634	0.8617
0.54	7.59	30000	0.5165	0.8625	0.8610
0.5582	8.1	32000	0.5312	0.8591	0.8572
0.5728	8.61	34000	0.5382	0.8574	0.8556
0.5883	9.11	36000	0.5514	0.8553	0.8534
0.5942	9.62	38000	0.5563	0.8534	0.8512
0.6015	10.12	40000	0.5592	0.8536	0.8516
0.603	10.63	42000	0.5585	0.8533	0.8513
0.5972	11.14	44000	0.5585	0.8541	0.8520
0.5938	11.64	46000	0.5546	0.8548	0.8529
0.5882	12.15	48000	0.5515	0.8554	0.8535
0.5799	12.65	50000	0.5488	0.8561	0.8541
0.572	13.16	52000	0.5473	0.8566	0.8547
0.5718	13.67	54000	0.5468	0.8566	0.8547
0.5698	14.17	56000	0.5464	0.8566	0.8547
0.5696	14.68	58000	0.5464	0.8566	0.8547

Framework versions

Transformers 4.18.0.dev0
Pytorch 1.9.1+cu111
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: 1a0292c