/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
2 мар 2022

hedgehog

Разметка токеновТекст → label3 профессии

HEDGEhog размечает английский текст по токенам, выявляя слова, выражающие неопределённость, исследование и убеждения.

109скачиваний за 30 дней4лайкавеса обновлены30 мар 2022

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

HEDGEhog — дообученная модель на основе BERT для распознавания маркеров неопределённости в английском тексте. Она выполняет многоклассовую разметку на уровне токенов и различает эпистемические высказывания о возможности, маркеры исследования и слова, выражающие убеждения и гипотезы. Модель содержит 135,5 млн параметров, принимает контекст длиной до 512 токенов и распространяется в формате PyTorch по лицензии MIT.

Модель обучалась и оценивалась на Szeged Uncertainty Corpus. В README приведены результаты по трём классам: F1 составляет 0,88 для эпистемических маркеров, 0,90 для маркеров убеждений и 0,84 для маркеров исследования. Для запуска автор рекомендует библиотеку Simple Transformers: прямое использование через Transformers pipeline и классы может давать некорректные результаты. Приведённые показатели относятся к оценке на указанном корпусе и не гарантируют качество на других данных.

Сценарии применения

  • поиск маркеров неуверенности в английских текстах
  • разметка эпистемических выражений в предложениях
  • выявление слов, обозначающих исследование гипотез
  • поиск выражений убеждений и предположений
  • анализ лингвистических маркеров неопределённости в корпусах

Ограничения

Автор предупреждает, что модель может давать некорректные результаты при использовании напрямую через Transformers pipeline и классы; для предсказаний рекомендуется Simple Transformers. Оценочные метрики получены на Szeged Uncertainty Corpus и могут не переноситься на другие данные.

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

🦔 HEDGEhog 🦔: BERT-based multi-class uncertainty cues recognition

Description

A fine-tuned multi-class classification model that detects four different types of uncertainty cues (a.k.a hedges) on a token level.

Uncertainty types

labeltypedescriptionexample
EEpistemicThe proposition is possible, but its truth-value cannot be decided at the moment.She may be already asleep.
IInvestigationThe proposition is in the process of having its truth-value determined.She examined the role of NF-kappaB in protein activation.
DDoxaticThe proposition expresses beliefs and hypotheses, which may be known as true or false by others.She believes that the Earth is flat.
NConditionThe proposition is true or false based on the truth-value of another proposition.If she gets the job, she will move to Utrecht.
Ccertainn/an/a

Intended uses and limitations

  • The model was fine-tuned with the Simple Transformers library. This library is based on Transformers but the model cannot be used directly with Transformers pipeline and classes; doing so would generate incorrect outputs. For this reason, the API on this page is disabled.

How to use

To generate predictions with the model, use the Simple Transformers library:

from simpletransformers.ner import NERModel

model = NERModel(
    'bert',
    'jeniakim/hedgehog',
    use_cuda=False,
    labels=["C", "D", "E", "I", "N"],
)

example = "As much as I definitely enjoy solitude, I wouldn't mind perhaps spending little time with you (Björk)"
predictions, raw_outputs = model.predict([example])

The predictions look like this:

[[{'As': 'C'},
  {'much': 'C'},
  {'as': 'C'},
  {'I': 'C'},
  {'definitely': 'C'},
  {'enjoy': 'C'},
  {'solitude,': 'C'},
  {'I': 'C'},
  {"wouldn't": 'C'},
  {'mind': 'C'},
  {'perhaps': 'E'},
  {'spending': 'C'},
  {'little': 'C'},
  {'time': 'C'},
  {'with': 'C'},
  {'you': 'C'},
  {'(Björk)': 'C'}]]

In other words, the token 'perhaps' is recognized as an epistemic uncertainty cue and all the other tokens are not uncertainty cues.

Training Data

HEDGEhog is trained and evaluated on the Szeged Uncertainty Corpus (Szarvas et al. 20121). The original sentence-level XML version of this dataset is available here.

The token-level version that was used for the training can be downloaded from here in a form of pickled pandas DataFrame's. You can download either the split sets (train.pkl 137MB, test.pkl 17MB, dev.pkl 17MB) or the full dataset (szeged_fixed.pkl 172MB). Each row in the df contains a token, its features (these are not relevant for HEDGEhog; they were used to train the baseline CRF model, see here), its sentence ID, and its label.

Training Procedure

The following training parameters were used:

  • Optimizer: AdamW
  • Learning rate: 4e-5
  • Num train epochs: 1
  • Train batch size: 16

Evaluation Results

classprecisionrecallF1-scoresupport
Epistemic0.900.850.88624
Doxatic0.880.920.90142
Investigation0.830.860.84111
Condition0.850.870.8686
Certain1.001.001.00104,751
macro average0.890.900.89105,714

References

1 Szarvas, G., Vincze, V., Farkas, R., Móra, G., & Gurevych, I. (2012). Cross-genre and cross-domain detection of semantic uncertainty. Computational Linguistics, 38(2), 335-367.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForTokenClassification
Ревизия весов
d3a64a1

0 моделей