Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Опубликована: 8 июл 2022

Ссылки

Hugging Face

SPECTER-frozen-with-biblio-context-finetuned-review_classifier

domenicrosati

Классификация текстаТекст → label3 профессии

Дообученная на базе SPECTER модель BERT для классификации текстов с учетом библиографического контекста.

14скачиваний за 30 дней0лайковвеса обновлены8 июл 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

SPECTER-frozen-with-biblio-context-finetuned-reviewclassifier — дообученная модель на основе allenai/specter для классификации текстов. В метаданных указана архитектура BERT с классификационной головой и энкодером библиографического контекста; размер модели — 137,1 млн параметров, максимальная длина контекста — 512 токенов. Модель сохранена в формате PyTorch.

Карточка сообщает результаты оценки на неизвестном наборе данных: accuracy 0,91, precision 0,8379, recall 0,0490 и F1 0,0925. Низкие recall и F1 указывают на существенные ограничения качества; метрики не позволяют определить пригодность для конкретного набора данных. Модель опубликована под лицензией Apache-2.0.

Сценарии применения

Классификация научных текстов
Классификация публикаций с учетом библиографического контекста
Экспериментальная оценка текстового классификатора на научных данных

Ограничения

Данные обучения не описаны, а оценочный набор не идентифицирован. Несмотря на accuracy 0,91 и precision 0,8379, recall 0,0490 и F1 0,0925 низкие, поэтому результаты требуют осторожной интерпретации.

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 I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SPECTER-frozen-with-biblio-context-finetuned-review_classifier

This model is a fine-tuned version of allenai/specter on an unknown dataset. It achieves the following results on the evaluation set:

eval_loss: 0.2606
eval_accuracy: 0.91
eval_f1: 0.0925
eval_recall: 0.0490
eval_precision: 0.8379
eval_runtime: 1030.2818
eval_samples_per_second: 77.649
eval_steps_per_second: 6.471
epoch: 1.0
step: 6667

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: 4.5e-05
train_batch_size: 12
eval_batch_size: 12
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 1000
num_epochs: 2
mixed_precision_training: Native AMP

Framework versions

Transformers 4.20.1
Pytorch 1.12.0+cu102
Datasets 2.3.2
Tokenizers 0.12.1

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: BertForSequenceClassificationWithContextEncoder
Ревизия весов: 8e8ce04