/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
2 мар 2022

bert-wiki-paragraphs

Классификация текстаТекст → label8 профессий

Дообученная на парах абзацев Википедии модель BERT определяет, относятся ли два абзаца к одной теме.

43скачиваний за 30 дней12лайковвеса обновлены21 мар 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

BERT-Wiki-Paragraphs — модель классификации пар абзацев, разработанная Сатьей Алмасианом, Деннисом Аумиллером, Люсьен-Софи Марме и Михаэлем Герцем. Она оценивает, относятся ли два абзаца к одной теме, и предназначена для проверки тематической связности текста и сегментации документов на смысловые части.

Модель основана на BERT и дообучена на парах абзацев из Википедии с использованием слабого автоматического надзора: абзацы одного раздела считаются тематически связанными. Веса содержат около 136,7 млн параметров; модель принимает текст и выдаёт метку классификации. Контекст ограничен 512 токенами, а при обработке длинных пар применяется усечение longest-first. Доступна под лицензией MIT.

Сценарии применения

  • оценка тематической связности двух абзацев
  • поиск границ между тематическими разделами документа
  • группировка абзацев по общей теме
  • сравнение тематической близости фрагментов Википедии

Ограничения

Обучение основано на предположении, что абзацы одного раздела Википедии тематически связаны; качество на иных типах документов отдельно не подтверждено. Контекст ограничен 512 токенами, поэтому длинные пары усекутся.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT-Wiki-Paragraphs

Authors: Satya Almasian*, Dennis Aumiller*, Lucienne-Sophie Marmé, Michael Gertz
Contact us at <lastname>@informatik.uni-heidelberg.de
Details for the training method can be found in our work Structural Text Segmentation of Legal Documents. The training procedure follows the same setup, but we substitute legal documents for Wikipedia in this model. Find the associated training data here: wiki-paragraphs

Training is performed in a form of weakly-supervised fashion to determine whether paragraphs topically belong together or not. We utilize automatically generated samples from Wikipedia for training, where paragraphs from within the same section are assumed to be topically coherent.
We use the same articles as (Koshorek et al., 2018), albeit from a 2021 dump of Wikpeida, and split at paragraph boundaries instead of the sentence level.

Usage

Preferred usage is through transformers.pipeline:

from transformers import pipeline
pipe = pipeline("text-classification", model="dennlinger/bert-wiki-paragraphs")

pipe("{First paragraph} [SEP] {Second paragraph}")

A predicted "1" means that paragraphs belong to the same topic, a "0" indicates a disconnect.

Training Setup

The model was trained for 3 epochs from bert-base-uncased on paragraph pairs (limited to 512 subwork with the longest_first truncation strategy). We use a batch size of 24 wit 2 iterations gradient accumulation (effective batch size of 48), and a learning rate of 1e-4, with gradient clipping at 5. Training was performed on a single Titan RTX GPU over the duration of 3 weeks.

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
82d9940

0 моделей