Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: Apache 2.0
Архитектура: roberta · dense
Базовая модель: roberta-base-bne
Опубликована: 24 ноя 2023

Ссылки

Hugging Face

fine-tunning-roberta-bne-hate-offensive

esmarquez17

Классификация текстаТекст → label

Дообученная RoBERTa-модель для классификации текста как ненавистнического или оскорбительного либо нормального.

9скачиваний за 30 дней0лайковвеса обновлены28 ноя 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 esmarquez17/fine-tunning-roberta-bne-hate-offensive — дообученная BSC-LT модель roberta-base-bne для классификации текстов на категории hate/offensive и normal. Она предназначена для автоматического выявления оскорбительного и ненавистнического контента, например, при предварительной модерации текстов. Модель основана на архитектуре RoBERTa, содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов.

В README приведены результаты оценки: micro F1 и accuracy 0,9342, macro F1 0,9239; данные обучения указаны как None dataset, поэтому оценить соответствие набора данных целевому применению нельзя. Модель опубликована в формате safetensors по лицензии Apache-2.0.

Сценарии применения

предварительная модерация пользовательских комментариев
выявление ненавистнических высказываний в сообщениях
поиск оскорбительного контента в текстовых публикациях

Ограничения

В README не описаны обучающий набор данных и ограничения применения; его название указано как None dataset. Результаты оценки сами по себе не гарантируют качество на других доменах и языках.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

fine-tunning-roberta-bne-hate-offensive

This model is a fine-tuned version of BSC-LT/roberta-base-bne on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.6211
Hate/offensive F1: 0.8958
Hate/offensive Precision: 0.9421
Hate/offensive Recall: 0.8539
Normal F1: 0.9519
Normal Precision: 0.9308
Normal Recall: 0.9740
Micro F1: 0.9342
Acc: 0.9342
Macro F1: 0.9239
Macro Precision: 0.9364
Macro Recall: 0.9139

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

Training results

Training Loss	Epoch	Step	Validation Loss	Hate/offensive F1	Hate/offensive Precision	Hate/offensive Recall	Normal F1	Normal Precision	Normal Recall	Micro F1	Acc	Macro F1	Macro Precision	Macro Recall
0.2865	1.0	1064	0.3398	0.8953	0.9324	0.8610	0.9510	0.9336	0.9691	0.9332	0.9332	0.9231	0.9330	0.9150
0.1527	2.0	2128	0.3417	0.8942	0.9204	0.8695	0.9497	0.9370	0.9627	0.9318	0.9318	0.9220	0.9287	0.9161
0.047	3.0	3192	0.5626	0.8914	0.9668	0.8270	0.9518	0.9199	0.9859	0.9332	0.9332	0.9216	0.9434	0.9064
0.0145	4.0	4256	0.5874	0.8986	0.9396	0.8610	0.9528	0.9338	0.9726	0.9356	0.9356	0.9257	0.9367	0.9168
0.0029	5.0	5320	0.6211	0.8958	0.9421	0.8539	0.9519	0.9308	0.9740	0.9342	0.9342	0.9239	0.9364	0.9139

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu118
Datasets 2.15.0
Tokenizers 0.15.0

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: 6deb64d