/ Модель

Характеристики

Контекст
512 токенов
Параметры
498 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
LaBSE
Библиотека
transformers
Опубликована
12 авг 2024

any-news-classifier

Классификация текстаТекст → label

Дообученная на русскоязычных новостях модель LaBSE распределяет статьи по 11 тематическим категориям.

98скачиваний за 30 дней0лайковвеса обновлены19 авг 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

Модель data-silence/any-news-classifier разработана для проекта AntiSMI и представляет собой дообученную на новостных данных модель LaBSE на архитектуре BERT для многоклассовой классификации русскоязычных новостей. Она относит текст к одной из 11 категорий: климат, конфликты, культура, экономика, глянец, здоровье, политика, общество, наука, спорт и путешествия.

Модель принимает текст и выдаёт категорию новости. В README указаны точность 0,9029 и F1 0,9025 на тестовой выборке; модель обучали на сбалансированной выборке недавних новостей за пять лет. Размер составляет 498,1 млн параметров, контекст — до 512 токенов. Для работы указаны библиотека Transformers и формат Safetensors. Лицензия — Apache-2.0.

Классификатор подходит для тематической сортировки русскоязычных новостей и отбора материалов по заданным категориям. Возможны ошибки при различении политики, общества и конфликтов; обучение описано лишь в общих чертах, поэтому результаты на других источниках новостей могут отличаться.

Сценарии применения

  • Автоматическая сортировка новостных статей по темам
  • Выделение новостей о политике, конфликтах и обществе
  • Поиск публикаций о климате, здоровье и науке
  • Отбор новостей о культуре, экономике, спорте и путешествиях
  • Выявление материалов жёлтой прессы

Ограничения

Модель может путать категории «политика», «общество» и «конфликты». Заявленные метрики получены на оценочной выборке; качество на других источниках новостей может отличаться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

any-news-classifier

This model is a fine-tuned version of sentence-transformers/LaBSE on my news dataset. The learning news dataset is a well-balanced sample of recent news from the last five years.

It achieves the following results on the evaluation set:

  • Loss: 0.3820
  • Accuracy: 0.9029
  • F1: 0.9025
  • Precision: 0.9030
  • Recall: 0.9029

Model description

This is a multi-class classifier of Russian news, made with the LaBSE model finetune for AntiSMI Project. The news category is assigned by the classifier to one of 11 categories:

  • climate (климат)
  • conflicts (конфликты)
  • culture (культура)
  • economy (экономика)
  • gloss (глянец)
  • health (здоровье)
  • politics (политика)
  • science (наука)
  • society (общество)
  • sports (спорт)
  • travel (путешествия)

Testing this model on Spaces

You can try the model and evaluate its quality here

How to use


from transformers import pipeline

category_mapper = {
'LABEL_0': 'climate',
'LABEL_1': 'conflicts',
'LABEL_2': 'culture',
'LABEL_3': 'economy',
'LABEL_4': 'gloss',
'LABEL_5': 'health',
'LABEL_6': 'politics',
'LABEL_7': 'science',
'LABEL_8': 'society',
'LABEL_9': 'sports',
'LABEL_10': 'travel'
}

# Используйте предобученную модель из Hugging Face Hub
classifier = pipeline("text-classification", model="data-silence/rus-news-classifier")

def predict_category(text):
    result = classifier(text)
    category = category_mapper[result[0]['label']]
    score = result[0]['score']
    return category, score

predict_category("В Париже завершилась церемония закрытия Олимпийских игр")
# ('sports', 0.9959506988525391)

Intended uses & limitations

The "gloss" category is used to select yellow press, trashy and dubious news. The model can get confused in the classification of news categories politics, society and conflicts.

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: 5

Training results

Training LossEpochStepValidation LossAccuracyF1PrecisionRecall
0.35441.035960.35170.88610.88600.89150.8861
0.27382.071920.31900.89950.89870.90250.8995
0.193.0107880.35240.90160.90150.90190.9016
0.14024.0143840.38200.90290.90250.90300.9029
0.10555.0179800.43990.90220.90180.90240.9022

Framework versions

  • Transformers 4.42.4
  • Pytorch 2.3.1+cu121
  • Datasets 2.20.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
f3ec159

0 моделей