Англоязычная модель на базе RoBERTa для классификации текста и обнаружения ненавистнической речи.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
LFTW R3 Target — модель классификации текста на базе RoBERTa, представленная в исследовании Learning from the Worst: Dynamically Generated Datasets to Improve Online Hate Detection. Она предназначена для обнаружения и классификации оскорбительной и ненавистнической речи в тексте, в том числе в сценариях онлайн-модерации.
Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает текстовые последовательности длиной до 514 токенов. В метаданных указан английский язык. Репозиторий содержит веса PyTorch. Модель связана с исследовательским проектом по улучшению обнаружения ненавистнической речи; лицензия в предоставленных данных не указана.
Модель рассчитана на английский язык и ограничена последовательностями до 514 токенов; точность и поведение на других языках и типах текста в предоставленных данных не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
The R3 Target model from Learning from the Worst: Dynamically Generated Datasets to Improve Online Hate Detection
@inproceedings{vidgen2021lftw,
title={Learning from the Worst: Dynamically Generated Datasets to Improve Online Hate Detection},
author={Bertie Vidgen and Tristan Thrush and Zeerak Waseem and Douwe Kiela},
booktitle={ACL},
year={2021}
}
Thanks to Kushal Tirumala and Adina Williams for helping the authors put the model on the hub!
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…