/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
domain_labeler · dense
Опубликована
24 июн 2026

domain-labeler-enpt

Классификация текстаТекст → label

Двуязычный классификатор, который относит английские и португальские тексты к одной из 67 тематических областей.

13скачиваний за 30 дней2лайкавеса обновлены26 июн 2026

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

cnmoro/domain-labeler-enpt — двуязычный классификатор тематических областей для английских и португальских текстов. Модель разработана на основе NeuML/domain-labeler и обучена на объединённой англо-португальской версии набора NeuML/wikipedia-domain-labels.

Архитектура объединяет два потока признаков: разреженные SPLADE-векторы размерности 30 522 и плотные статические эмбеддинги Nomic размерности 384. Отдельные проекционные слои обрабатывают потоки, а gated fusion объединяет их перед классификационной головой. Модель предсказывает один из 67 классов; в README указана точность 84,5% на тесте при обучении на 159 041 примере.

Подходит для автоматической тематической разметки англоязычных и португалоязычных текстов, например статей Википедии. Для формирования признаков используются отдельные SPLADE- и Nomic-модели. Репозиторий содержит веса PyTorch; указана лицензия Apache-2.0. В карточке описана оценка на тестовом наборе, но не приведены подробности о методике оценки и переносе качества на другие типы текстов.

Сценарии применения

  • тематическая классификация статей Википедии на английском
  • тематическая классификация статей Википедии на португальском
  • автоматическая разметка тематик в двуязычном корпусе
  • сортировка текстов по предметным областям

Ограничения

Указанная точность 84,5% относится к тесту на данных из README; результаты на других корпусах не приведены. Для получения признаков требуются отдельные SPLADE- и Nomic-модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Domain Labeler EN-PT (Two-Stream MLP)

Bilingual (EN+PT) domain classifier using a two-stream MLP with gated fusion of inference-free SPLADE sparse features + static Nomic dense features.

Based on NeuML/domain-labeler and trained on a merged bilingual version of NeuML/wikipedia-domain-labels.

Pure numpy approach can be found here (No transformers dependency).

Performance

MetricValue
Test accuracy84.5%
Classes67
Training samples159,041 (EN + PT)
ArchitectureTwo-Stream MLP, gated fusion
Feature dims30,522 (sparse) + 384 (dense)

Usage

from transformers import AutoModel

model = AutoModel.from_pretrained("cnmoro/domain-labeler-enpt", trust_remote_code=True)

# Single prediction (Portuguese)
model.predict("O Google Chrome é um navegador web")
# → ["computer_science_and_technology"]

# Single prediction (English)
model.predict("Edward Gein was an American murderer")
# → ["history"]

# Batch
texts = [
    "O universo é vasto e cheio de estrelas",
    "This is a movie review of a great film",
]
model.predict(texts)
# → ["astronomy", "movie"]

# With probabilities
model.predict_proba("A história do Brasil")
# → [{"history": 0.93, "movie": 0.04, "geography": 0.01}]

Architecture

  1. Sparse features: cnmoro/inference-free-splade-co-condenser-en-ptbr-v2 → 30,522-dim sparse SPLADE vectors
  2. Dense features: cnmoro/static-nomic-384-pten-v2 → 384-dim static embeddings
  3. Two-Stream MLP: Separate projection heads for each modality, gated fusion, then classifier head

Attribution

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Ревизия весов
6492836

0 моделей