/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
cc
Архитектура
roberta · dense
Опубликована
16 мар 2022

racism

Классификация текстаТекст → label3 профессии

RoBERTa-модель для классификации испанских текстов как расистских или нерасистских.

20скачиваний за 30 дней0лайковвеса обновлены31 мар 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

davidmasip/racism — модель классификации текста на базе RoBERTa, предназначенная для определения, содержит ли текст расистское высказывание. Она возвращает метку LABEL_0 для нерасистского текста и LABEL_1 для расистского. Модель содержит 151,8 млн параметров, работает с текстом на испанском языке и имеет контекст до 514 токенов. В карточке указана лицензия CC; конкретный вариант лицензии не уточнён.

Сценарии применения

  • проверка испанских сообщений на расистские высказывания
  • предварительная модерация испаноязычных публикаций
  • разметка текстов для анализа расизма

Ограничения

Модель предназначена для бинарной классификации испанского текста, поэтому её метки не описывают контекст или степень расистского содержания. Максимальная длина контекста — 514 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model to predict whether a given text is racist or not:

  • LABEL_0 output indicates non-racist text
  • LABEL_1 output indicates racist text

Usage:

from transformers import pipeline

RACISM_MODEL = "davidmasip/racism"
racism_analysis_pipe = pipeline("text-classification",
                                model=RACISM_MODEL, tokenizer=RACISM_MODEL)

results = racism_analysis_pipe("Unos menas agreden a una mujer.")


def clean_labels(results):
    for result in results:
        label = "Non-racist" if results["label"] == "LABEL_0" else "Racist"
        result["label"] = label


clean_labels(results)
print(results)

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
fa50338

0 моделей