Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Архитектура: roberta · dense
Базовая модель: twitter-roberta-base-irony
Опубликована: 6 июн 2024

Ссылки

Twroberta-baseB_5epoch

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa для классификации текста, унаследовавшая от базовой модели Cardiff NLP задачу распознавания иронии в твитах.

10скачиваний за 30 дней0лайковвеса обновлены8 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

Twroberta-baseB_5epoch — дообученная модель на базе Cardiff NLP twitter-roberta-base-irony, предназначенная для классификации текста. В метаданных указана архитектура RoBERTa для классификации последовательностей, 151,8 млн параметров и контекст до 514 токенов. README сообщает о дообучении на датасете, который не описан, и приводит результаты оценки: accuracy 0,7793, F1 0,2545; для класса сарказма F1 составляет 0,3591.

Эти показатели дают ориентир по конкретной оценочной выборке, но без сведений о данных и разметке переносить их на другие тексты нельзя. Карточка не указывает лицензию модели.

Сценарии применения

классификация текста на ироничный и неироничный
поиск сарказма в сообщениях и коротких публикациях
анализ тональности и стилистики англоязычных твитов

Ограничения

Датасет и подробности оценки не описаны; приведённый F1 для класса сарказма равен 0,3591. Лицензия в предоставленных данных не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Twroberta-baseB_5epoch

This model is a fine-tuned version of cardiffnlp/twitter-roberta-base-irony on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.1520
Accuracy: 0.7793
F1: 0.2545
Precision: 0.2289
Recall: 0.2878
Precision Sarcastic: 0.3258
Recall Sarcastic: 0.4
F1 Sarcastic: 0.3591

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: 5e-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 Loss	Epoch	Step	Validation Loss	Accuracy	F1	Precision	Recall	Precision Sarcastic	Recall Sarcastic	F1 Sarcastic
No log	1.0	217	0.1224	0.8571	0.0	0.0	0.0	0.0	0.0	0.0
No log	2.0	434	0.1224	0.8686	0.2294	0.4139	0.1587	0.6232	0.2389	0.3454
0.1581	3.0	651	0.1277	0.7979	0.2474	0.2290	0.2694	0.3380	0.4	0.3664
0.1581	4.0	868	0.1438	0.7914	0.2503	0.2424	0.2620	0.3137	0.3556	0.3333
0.0781	5.0	1085	0.1520	0.7793	0.2545	0.2289	0.2878	0.3258	0.4	0.3591

Framework versions

Transformers 4.41.2
Pytorch 2.3.1+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: RobertaForSequenceClassification
Ревизия весов: a1e2ca6