/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense

distilbert-base-dutch-cased-toxic-comments

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель классифицирует комментарии как токсичные или потенциально вредные.

27скачиваний за 30 дней6лайковвеса обновлены20 янв 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

ml6team разработала эту модель для классификации комментариев на токсичные или потенциально вредные. Это дообученная версия distilbert-base-multilingual-cased на переведённом наборе Jigsaw Toxicity Dataset; перевод данных выполнен моделью MariantMT. Модель использует DistilBERT для классификации последовательностей, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов.

В README приведены результаты оценки на отложенной части набора: accuracy 95,75%, F1 78,88%, recall 77,23% и precision 80,61%. Данные для обучения не опубликованы из-за лицензии исходного набора Jigsaw. Репозиторий распространяется по лицензии Apache-2.0; для практического применения стоит учитывать, что качество зависит от домена и языка комментариев, а классификация токсичности может ошибаться.

Сценарии применения

  • поиск токсичных комментариев в обсуждениях
  • модерация пользовательских сообщений
  • фильтрация потенциально вредных комментариев
  • анализ токсичности текстов на нидерландском языке

Ограничения

Обучающий набор недоступен из-за лицензии Jigsaw. Показатели оценки приведены для отложенной части переведённого набора и могут не отражать качество на других доменах или языках.

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

distilbert-base-dutch-toxic-comments

Model description:

This model was created with the purpose to detect toxic or potentially harmful comments.

For this model, we finetuned a multilingual distilbert model distilbert-base-multilingual-cased on the translated Jigsaw Toxicity dataset.

The original dataset was translated using the appropriate MariantMT model.

The model was trained for 2 epochs, on 90% of the dataset, with the following arguments:

training_args = TrainingArguments(
    learning_rate=3e-5,
    per_device_train_batch_size=16,
    per_device_eval_batch_size=16,
    gradient_accumulation_steps=4,
    load_best_model_at_end=True,
    metric_for_best_model="recall",
    epochs=2,
    evaluation_strategy="steps",
    save_strategy="steps",
    save_total_limit=10,
    logging_steps=100,
    eval_steps=250,
    save_steps=250,
    weight_decay=0.001,
    report_to="wandb")

Model Performance:

Model evaluation was done on 1/10th of the dataset, which served as the test dataset.

AccuracyF1 ScoreRecallPrecision
95.7578.8877.2380.61

Dataset:

Unfortunately we cannot open-source the dataset, since we are bound by the underlying Jigsaw license.

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
DistilBertForSequenceClassification
Ревизия весов
edf505d

0 моделей