Дообученный русскоязычный BERT-классификатор для отнесения текста к категориям.
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
ivanovsdesign/huawei-data-classification — русскоязычный классификатор текста, созданный дообучением BERT-модели blanchefort/rubert-base-cased-sentiment-rusentiment с помощью AutoTrain. Модель предназначена для отнесения текста к заданным категориям; карточка указывает задачу классификации текста, но не описывает сами категории и целевую область применения.
Модель использует архитектуру BERT для классификации последовательностей, содержит около 205,1 млн параметров и рассчитана на контекст до 512 токенов. Валидационные метрики в README: accuracy и micro-F1 около 0,673, macro-F1 около 0,455. Лицензия в предоставленных данных не указана.
Валидационная macro-F1 составляет около 0,455, что указывает на ограниченное качество по отдельным классам; целевые метки и состав обучающих данных в карточке не описаны. Контекст ограничен 512 токенами.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
loss: 0.8447948098182678
f1_macro: 0.4553718605029539
f1_micro: 0.6726600226035139
f1_weighted: 0.6379466130531605
precision_macro: 0.45899933439133933
precision_micro: 0.6726600226035139
precision_weighted: 0.6209522612191474
recall_macro: 0.46565319296380336
recall_micro: 0.6726600226035139
recall_weighted: 0.6726600226035139
accuracy: 0.6726600226035139
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…