Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Опубликована: 2 мар 2022

Ссылки

Hugging Face

autonlp-song-lyrics-18753417

juliensimon

Классификация текстаТекст → label3 профессии

BERT-модель Julien Simon для многоклассовой классификации англоязычных текстов песен.

93скачиваний за 30 дней5лайковвеса обновлены17 мар 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

Это англоязычная модель многоклассовой классификации текстов на основе BERT, обученная Julien Simon с помощью AutoNLP на наборе данных juliensimon/autonlp-data-song-lyrics. Она предназначена для отнесения текстов песенных строк к категориям и принимает текст длиной до 512 токенов, возвращая метки классов. В репозитории указаны 136,7 млн параметров и веса в форматах PyTorch и Safetensors.

На валидации модель показала accuracy 0,668 и macro F1 0,538, поэтому качество распознавания может различаться между классами. Доступ к модели демонстрируется через API Hugging Face. Лицензия в предоставленных данных не указана.

Сценарии применения

классификация текстов песенных строк по категориям
автоматическая разметка текстов песен
поиск категории для фрагмента англоязычного текста песни

Ограничения

На валидации accuracy составляет 0,668, а macro F1 — 0,538, что указывает на ограниченное качество и возможный разброс результатов между классами. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Trained Using AutoNLP

Problem type: Multi-class Classification
Model ID: 18753417
CO2 Emissions (in grams): 112.75546781635975

Validation Metrics

Loss: 0.9065971970558167
Accuracy: 0.6680274633512711
Macro F1: 0.5384854358272774
Micro F1: 0.6680274633512711
Weighted F1: 0.6414749238882866
Macro Precision: 0.6744495173269196
Micro Precision: 0.6680274633512711
Weighted Precision: 0.6634090047492259
Macro Recall: 0.5078466493896978
Micro Recall: 0.6680274633512711
Weighted Recall: 0.6680274633512711

Usage

You can use cURL to access this model:

$ curl -X POST -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"inputs": "I love AutoNLP"}' https://api-inference.huggingface.co/models/juliensimon/autonlp-song-lyrics-18753417

Or Python API:

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("juliensimon/autonlp-song-lyrics-18753417", use_auth_token=True)

tokenizer = AutoTokenizer.from_pretrained("juliensimon/autonlp-song-lyrics-18753417", use_auth_token=True)

inputs = tokenizer("I love AutoNLP", return_tensors="pt")

outputs = model(**inputs)

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: BertForSequenceClassification
Ревизия весов: 0b81940