Компактный BERT-классификатор определяет, является ли текст вопросом или утверждением, в том числе в расшифровках интервью.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
mrsinghania/asr-question-detection — классификатор текста на основе BERT, разработанный автором репозитория для различения вопросов и утверждений. Модель обучена на более чем 7 тысячах примеров устной речи из интервью и предназначена для обработки распознанных высказываний: например, чтобы определять, содержит ли реплика вопрос.
Модель обучена на данных устной речи из интервью, поэтому её качество на других жанрах и типах текста не установлено. Максимальная длина контекста — 512 токенов.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Question vs Statement classifier trained on more than 7k samples which were coming from spoken data in an interview setting
Code for using in Transformers:
from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("mrsinghania/asr-question-detection")
model = AutoModelForSequenceClassification.from_pretrained("mrsinghania/asr-question-detection")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…