Характеристики

Контекст: 514 токенов
Параметры: 138 млн
Архитектура: camembert · dense
Базовая модель: umberto-commoncrawl-cased-v1
Опубликована: 8 мая 2024

Ссылки

Hugging Face

irony_classification_single_label_base

lupobricco

Классификация текстаТекст → label3 профессии

Дообученная итальянская модель для классификации текста с целью выявления иронии.

10скачиваний за 30 дней0лайковвеса обновлены8 мая 2024

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

Модель lupobricco/irony_classification_single_label_base — дообученная версия итальянской языковой модели Musixmatch/umberto-commoncrawl-cased-v1 на классификацию текста по метке иронии. Она предназначена для определения ироничных высказываний в текстовых данных. Модель построена на архитектуре CamemBERT и содержит 137,8 млн параметров; длина контекста составляет 514 токенов.

В README приведены результаты на оценочной выборке: accuracy 0,6227 и F1 0,5853. Данные о наборе для обучения и подробности использования в карточке не раскрыты. Репозиторий содержит веса в формате safetensors. Лицензия не указана в доступных данных.

Сценарии применения

выявление ироничных высказываний в итальянских текстах
классификация публикаций в социальных сетях по наличию иронии
анализ иронии в отзывах и комментариях

Ограничения

На оценочной выборке указаны accuracy 0,6227 и F1 0,5853; набор данных для обучения обозначен как None, поэтому сведения о нём ограничены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

irony_classification_single_label_base

This model is a fine-tuned version of Musixmatch/umberto-commoncrawl-cased-v1 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.9822
Accuracy: 0.6227
F1: 0.5853

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.9554	1.0	718	0.8483	0.6247	0.5794
0.6941	2.0	1436	0.9822	0.6227	0.5853
0.3184	3.0	2154	1.5308	0.6206	0.5835
0.2401	4.0	2872	2.0444	0.6093	0.5714
0.1284	5.0	3590	2.1603	0.6124	0.5643
0.0646	6.0	4308	2.3836	0.6041	0.5571
0.0362	7.0	5026	2.5046	0.6268	0.5635
0.0232	8.0	5744	2.6831	0.6072	0.5534
0.024	9.0	6462	2.7345	0.6165	0.5546
0.0084	10.0	7180	2.7679	0.6144	0.5616

Framework versions

Transformers 4.40.1
Pytorch 2.3.0+cu118
Datasets 2.19.0
Tokenizers 0.19.1

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: CamembertForSequenceClassification
Ревизия весов: b5325d7