/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
BigScience OpenRAIL-M
Архитектура
xlm-roberta · dense
Опубликована
28 сен 2023

manifestoberta-xlm-roberta-56policy-topics-sentence-2023-1-1

Классификация текстаТекст → label3 профессии

Многоязычная модель Manifesto Project для классификации текста по 56 темам политической повестки.

205скачиваний за 30 дней4лайкавеса обновлены13 ноя 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

Manifestoberta — модель на базе xlm-roberta-large, дообученная проектом Manifesto на примерно 1,6 млн размеченных высказываний из Manifesto Corpus версии 2023a. Она классифицирует текст по 56 политическим темам согласно схеме кодирования Manifesto Project, Handbook 4.

Модель предназначена для анализа политических программ и других текстов: она присваивает текстовым фрагментам тематические категории. Архитектура — XLM-RoBERTa для классификации последовательностей; размер составляет 658,7 млн параметров, контекст — до 514 токенов. Модель поддерживает языки предварительно обученной XLM-RoBERTa и лучше всего работает на языках, представленных в Manifesto Corpus; карточка называет 38 таких языков. В README приведены результаты тестирования: точность sentence-модели — 0,57, а context-модели — 0,64.

Модель полезна для количественного анализа политической повестки, но качество зависит от языка и контекста, а показатели тестирования показывают, что предсказания не всегда точны. Распространяется по лицензии BigScience OpenRAIL-M.

Сценарии применения

  • разметка политических высказываний по тематической схеме Manifesto
  • анализ тем в предвыборных программах
  • сравнение политической повестки партий
  • подсчёт распределения тем в корпусе политических текстов

Ограничения

В README точность составляет 0,57 для sentence-модели и 0,64 для context-модели; качество зависит от языка, и лучшие результаты ожидаются на языках Manifesto Corpus. Контекст ограничен 514 токенами.

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

Model description

An xlm-roberta-large model fine-tuned on ~1,6 million annotated statements contained in the Manifesto Corpus (version 2023a). The model can be used to categorize any type of text into 56 different political topics according to the Manifesto Project's coding scheme (Handbook 4). It works for all languages the xlm-roberta model is pretrained on (overview), just note that it will perform best for the 38 languages contained in the Manifesto Corpus:

armenianbosnianbulgariancatalancroatian
czechdanishdutchenglishestonian
finnishfrenchgaliciangeorgiangerman
greekhebrewhungarianicelandicitalian
japanesekoreanlatvianlithuanianmacedonian
montenegrinnorwegianpolishportugueseromanian
russianserbianslovakslovenianspanish
swedishturkishukrainian

How to use

import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("manifesto-project/manifestoberta-xlm-roberta-56policy-topics-sentence-2023-1-1")
tokenizer = AutoTokenizer.from_pretrained("xlm-roberta-large")

sentence = "We will restore funding to the Global Environment Facility and the Intergovernmental Panel on Climate Change, to support critical climate science research around the world"

inputs = tokenizer(sentence,
                   return_tensors="pt",
                   max_length=200,  #we limited the input to 200 tokens during finetuning
                   padding="max_length",
                   truncation=True
                   )

logits = model(**inputs).logits

probabilities = torch.softmax(logits, dim=1).tolist()[0]
probabilities = {model.config.id2label[index]: round(probability * 100, 2) for index, probability in enumerate(probabilities)}
probabilities = dict(sorted(probabilities.items(), key=lambda item: item[1], reverse=True))
print(probabilities)
# {'501 - Environmental Protection: Positive': 67.28, '411 - Technology and Infrastructure': 15.19, '107 - Internationalism: Positive': 13.63, '416 - Anti-Growth Economy: Positive': 2.02...

predicted_class = model.config.id2label[logits.argmax().item()]
print(predicted_class)
# 501 - Environmental Protection: Positive

Model Performance

The model was evaluated on a test set of 199,046 annotated manifesto statements.

Overall

AccuracyTop2_AccTop3_AccPrecisionRecallF1_MacroMCCCross-Entropy
Sentence Model0.570.730.810.490.430.450.551.5
Context Model0.640.810.880.540.520.530.621.15

Citation

Please cite the model as follows:

Burst, Tobias / Lehmann, Pola / Franzmann, Simon / Al-Gaddooa, Denise / Ivanusch, Christoph / Regel, Sven / Riethmüller, Felicia / Weßels, Bernhard / Zehnter, Lisa (2023): manifestoberta. Version 56topics.sentence.2023.1.1. Berlin: Wissenschaftszentrum Berlin für Sozialforschung (WZB) / Göttingen: Institut für Demokratieforschung (IfDem). https://doi.org/10.25522/manifesto.manifestoberta.56topics.sentence.2023.1.1

@misc{Burst:2023,
  Address = {Berlin / Göttingen},
  Author = {Burst, Tobias AND Lehmann, Pola AND Franzmann, Simon AND Al-Gaddooa, Denise AND Ivanusch, Christoph AND Regel, Sven AND Riethmüller, Felicia AND Weßels, Bernhard AND Zehnter, Lisa},
  Publisher = {Wissenschaftszentrum Berlin für Sozialforschung / Göttinger Institut für Demokratieforschung},
  Title = {manifestoberta. Version 56topics.sentence.2023.1.1},
  doi = {10.25522/manifesto.manifestoberta.56topics.sentence.2023.1.1},
  url = {https://doi.org/10.25522/manifesto.manifestoberta.56topics.sentence.2023.1.1}, 
  Year = {2023},

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
XLMRobertaForSequenceClassification
Ревизия весов
9a0fbb3

0 моделей