/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Опубликована
21 мар 2023

detexd-roberta-base

Классификация текстаТекст → label4 профессии

Модель RoBERTa классифицирует английский текст по шести уровням деликатности и риска.

66скачиваний за 30 дней10лайковвеса обновлены10 июл 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

DeTexD-RoBERTa-base — базовая модель RoBERTa для обнаружения и классификации деликатного текста. Она размечает текст по шести уровням риска: от неделикатного до очень высокого риска, что позволяет ранжировать потенциально чувствительное содержание по степени выраженности. Модель разработана для задачи из бенчмарка DeTexD: A Benchmark Dataset for Delicate Text Detection.

Модель содержит 151,8 млн параметров, принимает текст и выдаёт метки классов. Контекст составляет до 514 токенов. Карточка указывает английский язык, формат PyTorch и лицензию Apache-2.0. Это базовая модель RoBERTa, а не заявленное дообучение другой модели; пример кода в README не содержит рабочего кода.

Сценарии применения

  • оценка уровня риска в текстовых сообщениях
  • поиск деликатного содержания в пользовательских публикациях
  • разметка текстов по степени чувствительности
  • фильтрация текстов по уровню потенциального риска

Ограничения

Модель ограничена классификацией английского текста и контекстом до 514 токенов. README приводит некорректный пустой пример кода, поэтому способ применения стоит сверять с документацией Transformers.

Для каких профессий подходит4

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

DeTexD-RoBERTa-base delicate text detection

This is a baseline RoBERTa-base model for the delicate text detection task.

The labels meaning according to the paper:

  • LABEL_0 -> non-delicate (0)
  • LABEL_1 -> very low risk (1)
  • LABEL_2 -> low risk (2)
  • LABEL_3 -> medium risk (3)
  • LABEL_4 -> high risk (4)
  • LABEL_5 -> very high risk (5)

Classification example code

Here's a short usage example with the torch library in a binary classification task:

from transformers import pipeline

classifier = pipeline("text-classification", model="grammarly/detexd-roberta-base")

def predict_binary_score(text: str):
    # get multiclass probability scores
    scores = classifier(text, top_k=None)

    # convert to a single score by summing the probability scores
    # for the higher-index classes
    return sum(score['score']
               for score in scores
               if score['label'] in ('LABEL_3', 'LABEL_4', 'LABEL_5'))

def predict_delicate(text: str, threshold=0.72496545):
    return predict_binary_score(text) > threshold

print(predict_delicate("Time flies like an arrow. Fruit flies like a banana."))

Expected output:

False

Citation Information

@inproceedings{chernodub-etal-2023-detexd,
    title = "{D}e{T}ex{D}: A Benchmark Dataset for Delicate Text Detection",
    author = "Yavnyi, Serhii and Sliusarenko, Oleksii  and Razzaghi, Jade  and Mo, Yichen  and Hovakimyan, Knar and Chernodub, Artem",
    booktitle = "The 7th Workshop on Online Abuse and Harms (WOAH)",
    month = jul,
    year = "2023",
    address = "Toronto, Canada",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2023.woah-1.2",
    pages = "14--28",
    abstract = "Over the past few years, much research has been conducted to identify and regulate toxic language. However, few studies have addressed a broader range of sensitive texts that are not necessarily overtly toxic. In this paper, we introduce and define a new category of sensitive text called {``}delicate text.{''} We provide the taxonomy of delicate text and present a detailed annotation scheme. We annotate DeTexD, the first benchmark dataset for delicate text detection. The significance of the difference in the definitions is highlighted by the relative performance deltas between models trained each definitions and corpora and evaluated on the other. We make publicly available the DeTexD Benchmark dataset, annotation guidelines, and baseline model for delicate text detection.",
}

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
7344702

0 моделей