/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Архитектура
roberta · dense
Опубликована
2 мар 2022

roberta-cls-consec

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa определяет, относятся ли два соседних текстовых фрагмента к одной теме, чтобы сегментировать документы.

35скачиваний за 30 дней15лайковвеса 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

Модель dennlinger/roberta-cls-consec разработана для обнаружения тематических переходов в документах. Это дообученная RoBERTa-base с архитектурой RobertaForSequenceClassification и примерно 151,8 млн параметров. Она принимает два текстовых фрагмента, разделённых токеном [SEP], и определяет, относятся ли они к одной теме. На основе последовательных оценок пар абзацев можно сегментировать документ на тематические разделы.

Модель обучалась на примерах из условий предоставления услуг; в обучающей постановке использовались целые абзацы и последовательности длиной до 512 токенов. Для новостных статей, Википедии и других общих текстов качество может быть низким. Модель не предназначена для классификации отдельного текста. Доступны веса в форматах PyTorch, Flax и safetensors; загрузка поддерживается через Transformers pipeline. Лицензия в предоставленных данных не указана.

Сценарии применения

  • сегментация документа на тематические разделы
  • обнаружение смены темы между соседними абзацами
  • проверка тематической связности двух фрагментов
  • разбиение условий предоставления услуг на тематические части

Ограничения

Обучена на условиях предоставления услуг, поэтому может хуже работать на новостях, Википедии и других общих текстах. Ожидает пару фрагментов, разделённых [SEP], и не предназначена для классификации одиночных текстов.

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

About this model: Topical Change Detection in Documents

This network has been fine-tuned for the task described in the paper Topical Change Detection in Documents via Embeddings of Long Sequences and is our best-performing base-transformer model. You can find more detailed information in our GitHub page for the paper here, or read the paper itself. The weights are based on RoBERTa-base.

Load the model

The preferred way is through pipelines

from transformers import pipeline
pipe = pipeline("text-classification", model="dennlinger/roberta-cls-consec")

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

Input Format

The model expects two segments that are separated with the [SEP] token. In our training setup, we had entire paragraphs as samples (or up to 512 tokens across two paragraphs), specifically trained on a Terms of Service data set. Note that this might lead to poor performance on "general" topics, such as news articles or Wikipedia.

Training objective

The training task is to determine whether two text segments (paragraphs) belong to the same topical section or not. This can be utilized to create a topical segmentation of a document by consecutively predicting the "coherence" of two segments.
If you are experimenting via the Huggingface Model API, the following are interpretations of the LABELs:

  • LABEL_0: Two input segments separated by [SEP] do not belong to the same topic.
  • LABEL_1: Two input segments separated by [SEP] do belong to the same topic.

Performance

The results of this model can be found in the paper. We average over models from five different random seeds, which is why the specific results for this model might be different from the exact values in the paper.

Note that this model is not trained to work on classifying single texts, but only works with two (separated) inputs.

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
ac794d3

0 моделей