/ Модель

Характеристики

Контекст
512 токенов
Архитектура
distilbert · dense
Опубликована
27 авг 2024

toxic-comment-model

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель для классификации токсичных комментариев на английском языке.

13 899скачиваний за 30 дней3лайкавеса обновлены27 авг 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

garak-llm/toxic-comment-model — модель на базе DistilBERT, дообученная для классификации токсичных комментариев. Она принимает текст и выдаёт метку класса; подходит для первичной фильтрации сообщений в пользовательских комментариях и онлайн-обсуждениях. Контекст модели — 512 токенов, архитектура — DistilBertForSequenceClassification, веса представлены в формате safetensors. В карточке заявлены английский язык и обучение на 10% обучающей выборки Kaggle-соревнования.

В описанной оценке на отложенной выборке из 10 000 примеров модель достигла точности 94% и F1 0,59. Результаты по отдельным группам показывают смещение: нейтральные высказывания о мусульманах могут быть ошибочно помечены как токсичные, также отмечена низкая эффективность для групп мусульман и евреев. Поэтому оценки модели не следует использовать как единственное основание для модерации. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • первичная фильтрация токсичных комментариев
  • поиск оскорбительных сообщений в онлайн-обсуждениях
  • автоматическая сортировка комментариев для проверки модератором

Ограничения

Модель может ошибочно считать нейтральные упоминания мусульман токсичными; в карточке также отмечено снижение качества для мусульман и евреев. Несмотря на заявленную точность 94%, F1 составляет 0,59, поэтому предсказания требуют осторожности.

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

Model description

This model is a fine-tuned version of the DistilBERT model to classify toxic comments.

How to use

You can use the model with the following code.

from transformers import AutoModelForSequenceClassification, AutoTokenizer, TextClassificationPipeline

model_path = "martin-ha/toxic-comment-model"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForSequenceClassification.from_pretrained(model_path)

pipeline =  TextClassificationPipeline(model=model, tokenizer=tokenizer)
print(pipeline('This is a test text.'))

Limitations and Bias

This model is intended to use for classify toxic online classifications. However, one limitation of the model is that it performs poorly for some comments that mention a specific identity subgroup, like Muslim. The following table shows a evaluation score for different identity group. You can learn the specific meaning of this metrics here. But basically, those metrics shows how well a model performs for a specific group. The larger the number, the better.

subgroupsubgroup_sizesubgroup_aucbpsn_aucbnsp_auc
muslim1080.6890.8110.88
jewish400.7490.860.825
homosexual_gay_or_lesbian560.7950.7060.972
black840.8660.7580.975
white1120.8760.7840.97
female3060.8980.8870.948
christian2310.9040.9170.93
male2250.9220.8620.967
psychiatric_or_mental_illness260.9240.9070.95

The table above shows that the model performs poorly for the muslim and jewish group. In fact, you pass the sentence "Muslims are people who follow or practice Islam, an Abrahamic monotheistic religion." Into the model, the model will classify it as toxic. Be mindful for this type of potential bias.

Training data

The training data comes this Kaggle competition. We use 10% of the train.csv data to train the model.

Training procedure

You can see this documentation and codes for how we train the model. It takes about 3 hours in a P-100 GPU.

Evaluation results

The model achieves 94% accuracy and 0.59 f1-score in a 10000 rows held-out test set.

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
DistilBertForSequenceClassification
Ревизия весов
9088b7e

0 моделей