/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Архитектура
bert · dense
Опубликована
27 мая 2022

Intent-Classification-Bert-Base-Cased

Классификация текстаТекст → label3 профессии

Модель BERT для классификации текста, обученная с нуля на неизвестных данных.

9скачиваний за 30 дней1лайквеса обновлены6 июн 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

dipesh/Intent-Classification-Bert-Base-Cased — модель классификации текста на основе BERT, представленная в формате TensorFlow. По карточке она обучена с нуля на неизвестном наборе данных; архитектура — BertForSequenceClassification, размер — 135,5 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для отнесения текста к классам, но набор меток и конкретная предметная область не описаны.

Карточка не приводит результатов оценки, деталей обучающих данных, рекомендаций по применению или лицензии. Поэтому пригодность модели для конкретной задачи и условия её использования по имеющимся сведениям определить нельзя.

Сценарии применения

  • классификация коротких текстовых сообщений по категориям
  • распределение обращений пользователей по классам
  • проверка применимости BERT для задачи классификации текста

Ограничения

Неизвестны обучающий набор данных, классы и метрики качества; карточка также не указывает лицензию. До применения следует проверить качество на целевых данных и установить условия использования.

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

Intent-Classification-Bert-Base-Cased

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

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:

  • optimizer: None
  • training_precision: float32

Training results

Framework versions

  • Transformers 4.16.2
  • TensorFlow 2.9.1
  • Datasets 2.2.2
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
BertForSequenceClassification
Ревизия весов
285cec4

0 моделей