/ Модель

Характеристики

Контекст
4 098 токенов
Параметры
152 млн
Архитектура
longformer · dense
Опубликована
2 мар 2022

longformer-base-plagiarism-detection

Классификация текстаТекст → label3 профессии

Дообученная Longformer-base классифицирует тексты для выявления плагиата, созданного машинным перефразированием.

128скачиваний за 30 дней17лайковвеса обновлены15 июн 2025

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

Это модель Longformer-base, дообученная на наборе данных Machine-Paraphrased Plagiarism Dataset для классификации текста при обнаружении плагиата, созданного машинным перефразированием. Она предназначена для проверки текстов на сходство с возможным источником плагиата и классификации таких случаев. Архитектура LongformerForSequenceClassification содержит 151,8 млн параметров и поддерживает контекст до 4098 токенов.

Модель принимает текст и выдаёт метки классификации; карточка указывает английский язык. Веса доступны в форматах PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • проверка студенческих работ на машинно перефразированный плагиат
  • поиск случаев перефразирования исходного текста без указания источника
  • классификация текстовых фрагментов при проверке плагиата

Ограничения

Модель обучена на конкретном наборе данных о машинно перефразированном плагиате, поэтому её результаты могут хуже переноситься на другие типы текстов и сценарии. В предоставленных данных не указана лицензия.

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

Longformer-base for Machine-Paraphrase Detection

If you use the dataset in any way, please cite the following paper. Preprint: https://arxiv.org/abs/2103.11909

@InProceedings{10.1007/978-3-030-96957-8_34,
    author="Wahle, Jan Philip and Ruas, Terry and Folt{\'y}nek, Tom{\'a}{\v{s}} and Meuschke, Norman and Gipp, Bela",
    title="Identifying Machine-Paraphrased Plagiarism",
    booktitle="Information for a Better World: Shaping the Global Future",
    year="2022",
    publisher="Springer International Publishing",
    address="Cham",
    pages="393--413",
    abstract="Employing paraphrasing tools to conceal plagiarized text is a severe threat to academic integrity. To enable the detection of machine-paraphrased text, we     evaluate the effectiveness of five pre-trained word embedding models combined with machine learning classifiers and state-of-the-art neural language models. We analyze preprints of research papers, graduation theses, and Wikipedia articles, which we paraphrased using different configurations of the tools SpinBot and SpinnerChief. The best performing technique, Longformer, achieved an average F1 score of 80.99{\%} (F1=99.68{\%} for SpinBot and F1=71.64{\%} for SpinnerChief cases), while human evaluators achieved F1=78.4{\%} for SpinBot and F1=65.6{\%} for SpinnerChief cases. We show that the automated classification alleviates shortcomings of widely-used text-matching systems, such as Turnitin and PlagScan.",
    isbn="978-3-030-96957-8"
}

This is the checkpoint for Longformer-base after being trained on the Machine-Paraphrased Plagiarism Dataset

Additional information about this model:

The model can be loaded to perform Plagiarism like so:

from transformers import AutoModelForSequenceClassification, AutoTokenizer

AutoModelForSequenceClassification("jpelhaw/longformer-base-plagiarism-detection")
AutoTokenizer.from_pretrained("jpelhaw/longformer-base-plagiarism-detection")

input = "Plagiarism is the representation of another author's writing, \
thoughts, ideas, or expressions as one's own work."


example = tokenizer.tokenize(input, add_special_tokens=True)

answer = model(**example)
                                
# "plagiarised"

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
LongformerForSequenceClassification
Ревизия весов
2a5916f

0 моделей