/ Модель

Характеристики

Контекст
512 токенов
Параметры
151 млн
Лицензия
CC BY-SA 4.0
Архитектура
bert · dense
Опубликована
2 мар 2022

bcms-bertic-frenk-hate

Классификация текстаТекст → label

BERT-модель для бинарной классификации хорватских текстов как оскорбительных или допустимых, дообученная на примерах языка ненависти к ЛГБТ-людям и мигрантам.

119скачиваний за 30 дней1лайквеса обновлены23 июн 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

classla/bcms-bertic-frenk-hate — модель классификации текста, разработанная на основе classla/bcms-bertic и дообученная на хорватской части набора FRENK, содержащей примеры языка ненависти к ЛГБТ-людям и мигрантам. Метки набора преобразованы в бинарные классы: «оскорбительное» и «допустимое». Модель использует архитектуру BERT для классификации последовательностей, содержит 151,3 млн параметров и принимает текст длиной до 512 токенов.

Модель предназначена для выявления оскорбительных высказываний в хорватском тексте, в частности в контексте ненависти к ЛГБТ-людям и мигрантам. В сравнении, приведённом в карточке, средние точность и macro F1 составили 0,8313 и 0,8219 соответственно; результаты получены на экспериментальных сессиях дообучения и не гарантируют такое же качество на других данных. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • выявление оскорбительных высказываний на хорватском языке
  • модерация хорватских публикаций о ЛГБТ-людях
  • поиск языка ненависти к мигрантам в хорватских текстах

Ограничения

Обучение и метки охватывают только хорватскую часть FRENK и бинарные категории «оскорбительное» и «допустимое», поэтому показатели качества могут не переноситься на другие языки, темы или данные.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bcms-bertic-frenk-hate

Text classification model based on classla/bcms-bertic and fine-tuned on the FRENK dataset comprising of LGBT and migrant hatespeech. Only the Croatian subset of the data was used for fine-tuning and the dataset has been relabeled for binary classification (offensive or acceptable).

Fine-tuning hyperparameters

Fine-tuning was performed with simpletransformers. Beforehand a brief hyperparameter optimisation was performed and the presumed optimal hyperparameters are:


model_args = {
        "num_train_epochs": 12,
        "learning_rate": 1e-5,
        "train_batch_size": 74}

Performance

The same pipeline was run with two other transformer models and fasttext for comparison. Accuracy and macro F1 score were recorded for each of the 6 fine-tuning sessions and post festum analyzed.

modelaverage accuracyaverage macro F1
bcms-bertic-frenk-hate0.83130.8219
EMBEDDIA/crosloengual-bert0.80540.796
xlm-roberta-base0.71750.7049
fasttext0.7710.754

From recorded accuracies and macro F1 scores p-values were also calculated:

Comparison with crosloengual-bert:

testaccuracy p-valuemacro F1 p-value
Wilcoxon0.007810.00781
Mann Whithney0.001080.00108
Student t-test2.43e-101.27e-10

Comparison with xlm-roberta-base:

testaccuracy p-valuemacro F1 p-value
Wilcoxon0.007810.00781
Mann Whithney0.001070.00108
Student t-test4.83e-115.61e-11

Use examples

from simpletransformers.classification import ClassificationModel

model = ClassificationModel(
    "bert", "5roop/bcms-bertic-frenk-hate", use_cuda=True,

    
)

predictions, logit_output = model.predict(['Ne odbacujem da će RH primiti još migranata iz Afganistana, no neće biti novog vala',
                                           "Potpredsjednik Vlade i ministar branitelja Tomo Medved komentirao je Vladine planove za zakonsku zabranu pozdrava 'za dom spremni' "])
predictions
### Output:
### array([0, 0])

Citation

If you use the model, please cite the following paper on which the original model is based:

@inproceedings{ljubesic-lauc-2021-bertic,
    title = "{BERT}i{\'c} - The Transformer Language Model for {B}osnian, {C}roatian, {M}ontenegrin and {S}erbian",
    author = "Ljube{\v{s}}i{\'c}, Nikola  and Lauc, Davor",
    booktitle = "Proceedings of the 8th Workshop on Balto-Slavic Natural Language Processing",
    month = apr,
    year = "2021",
    address = "Kiyv, Ukraine",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2021.bsnlp-1.5",
    pages = "37--42",
}

and the dataset used for fine-tuning:

@misc{ljubešić2019frenk,
      title={The FRENK Datasets of Socially Unacceptable Discourse in Slovene and English}, 
      author={Nikola Ljubešić and Darja Fišer and Tomaž Erjavec},
      year={2019},
      eprint={1906.02045},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/1906.02045}
}

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
e063aac

0 моделей