Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: bert-base-spanish-wwm-cased
Опубликована: 13 мар 2024

Ссылки

Hugging Face

bert-base-spanish-wwm-cased

dtorber

Классификация текстаТекст → label4 профессии

Дообученная испаноязычная модель BERT для классификации текста длиной до 512 токенов.

123скачиваний за 30 дней0лайковвеса обновлены16 мая 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

dtorber/bert-base-spanish-wwm-cased — дообученная модель классификации последовательностей на основе BETO, испаноязычной модели BERT от dccuchile. Она предназначена для классификации текста на испанском языке. Модель содержит 137,1 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов.

В README приведены результаты оценки: F1 Macro 0,8879, F1 0,9207 и точность 0,8975. Назначение классов и обучающий набор данных не описаны, поэтому оценить применимость к конкретной предметной области нельзя. В метаданных указан формат safetensors; лицензия не приведена.

Сценарии применения

классификация текстов на испанском языке
отнесение испанских сообщений к заданным категориям
оценка тональности испанских текстов при совпадении классов задачи
автоматическая разметка испаноязычных текстовых данных

Ограничения

В README не указаны набор данных, классы и конкретное назначение классификации, поэтому метрики нельзя уверенно перенести на произвольные задачи. Лицензия в предоставленных данных не указана.

Для каких профессий подходит4

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель 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

bert-base-spanish-wwm-cased

This model is a fine-tuned version of dccuchile/bert-base-spanish-wwm-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.9387
F1 Macro: 0.8879
F1: 0.9207
F1 Neg: 0.8551
Acc: 0.8975
Prec: 0.9015
Recall: 0.9407
Mcc: 0.7774

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: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	F1 Macro	F1	F1 Neg	Acc	Prec	Recall	Mcc
0.2306	1.0	2061	0.5481	0.8775	0.9167	0.8382	0.89	0.88	0.9565	0.7614
0.0717	2.0	4122	0.7879	0.8615	0.8903	0.8328	0.8675	0.9348	0.8498	0.7293
0.0203	3.0	6183	0.9309	0.8795	0.9105	0.8485	0.8875	0.916	0.9051	0.7591
0.0146	4.0	8244	0.9387	0.8879	0.9207	0.8551	0.8975	0.9015	0.9407	0.7774
0.0103	5.0	10305	1.0163	0.8774	0.9126	0.8421	0.8875	0.8969	0.9289	0.7558

Framework versions

Transformers 4.38.2
Pytorch 2.2.1+cu121
Datasets 2.18.0
Tokenizers 0.15.2

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: 7cd9a08