/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-uncased
Опубликована
11 июн 2024

bert-classify-urls-v0.005

Классификация текстаТекст → label

Дообученная модель BERT для классификации текста, предположительно предназначенная для классификации URL.

7скачиваний за 30 дней0лайковвеса обновлены11 июн 2024

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

cyberseclabs/bert-classify-urls-v0.005 — дообученная модель классификации последовательностей на базе BERT от Google. Она предназначена для присвоения меток текстовым входам; название репозитория указывает на классификацию URL, однако README не описывает набор классов и подтверждает только общую задачу классификации текста. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Веса опубликованы в формате Safetensors.

В README приведены результаты оценки: accuracy 0,9614, precision 0,9394, recall 0,9575, F1 0,9484 и ROC AUC 0,9911. Датасет, схема меток и условия оценки не описаны, поэтому эти показатели нельзя переносить на другие данные без проверки. Лицензия — Apache-2.0.

Сценарии применения

  • классификация URL по меткам обучающей выборки
  • автоматическая категоризация текстовых последовательностей
  • оценка текстов классификатором в конвейере обработки данных

Ограничения

В README не раскрыты датасет, классы и методика оценки, поэтому применимость указанных метрик к новым данным неясна. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

test_trainer_full

This model is a fine-tuned version of bert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1544
  • Accuracy: 0.9614
  • Precision: 0.9394
  • Recall: 0.9575
  • F1: 0.9484
  • Roc Auc: 0.9911

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: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation LossAccuracyPrecisionRecallF1Roc Auc
0.1862.85715000.15220.96140.93940.95750.94840.9911

Framework versions

  • Transformers 4.41.2
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.2
  • Tokenizers 0.19.1

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
c3c8e7b

0 моделей