/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
jobbert-base-cased
Опубликована
25 авг 2023

jobbert-base-cased-compdecs

Классификация текстаТекст → label3 профессии

Англоязычная BERT-модель классифицирует предложения из вакансий, чтобы выделять описания компаний для дальнейшего анализа.

117скачиваний за 30 дней2лайкавеса обновлены20 окт 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

Модель nestauk/jobbert-base-cased-compdecs разработана Nesta, британским агентством инноваций, в рамках проекта Open Jobs Observatory. Это дообученная для классификации версия jjzha/jobbert-base-cased — англоязычной BERT-модели, предварительно обученной на текстах вакансий. Модель с 135,5 млн параметров принимает текст и относит предложения из объявлений о работе к одному из двух классов: описание компании или не описание компании.

Модель предназначена для извлечения описаний компаний из онлайн-вакансий и последующего анализа, например сопоставления компаний с кодами стандартной отраслевой классификации SIC. Для обучения использованы 486 вручную размеченных предложений с описаниями компаний и 1000 предложений без таких описаний длиной менее 250 символов. На тестовой выборке из 147 предложений точность составила 0,92157; показатель F1 для класса описаний компаний — 0,884.

Модель использует архитектуру BERT для классификации последовательностей, работает с английским текстом и имеет контекст длиной до 512 токенов. Распространяется по лицензии MIT. Результаты оценки получены на небольшой выборке, поэтому качество на вакансиях других источников и форматов может отличаться.

Сценарии применения

  • Выделение описаний компаний в текстах вакансий
  • Отделение описания работодателя от остальных предложений объявления
  • Подготовка описаний компаний для сопоставления с кодами SIC

Ограничения

Обучена на небольшой выборке вручную размеченных предложений; точность и F1 измерены на тесте из 147 предложений и могут не переноситься на вакансии других источников. Модель рассчитана на английский текст и ограничена контекстом в 512 токенов.

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

Nesta, the UK's innovation agency, has been scraping online job adverts since 2021 and building algorithms to extract and structure information as part of the Open Jobs Observatory project.

Although we are unable to share the raw data openly, we aim to open source our models, algorithms and tools so that anyone can use them for their own research and analysis.

🖊️ Model description

This model is a fine-tuned version of jjzha/jobbert-base-cased. JobBERT is a continuously pre-trained bert-base-cased checkpoint on ~3.2M sentences from job postings.

It has been fine tuned with a classification head to binarily classify job advert sentences as being a company description or not.

The model was trained on 486 manually labelled company description sentences and 1000 non company description sentences less than 250 characters in length.

It achieves the following results on a held out test set 147 sentences:

  • Accuracy: 0.92157
Labelprecisionrecallf1-scoresupport
not company description0.9306930.9591840.94472498
company description0.9130430.8571430.88421149

The code for training the model is in our ojd_daps_language_models repo, a central repository for fine-tuning transformer models on our database of scraped job adverts.

🖨️ Use

To use the model:

from transformers import AutoTokenizer, AutoModelForSequenceClassification
from transformers import pipeline

model = AutoModelForSequenceClassification.from_pretrained("nestauk/jobbert-base-cased-compdecs")
tokenizer = AutoTokenizer.from_pretrained("nestauk/jobbert-base-cased-compdecs")

comp_classifier = pipeline('text-classification', model=model, tokenizer=tokenizer)

An example use is as follows:

job_sent = "Would you like to join a major manufacturing company?"
comp_classifier(job_sent)

>> [{'label': 'LABEL_1', 'score': 0.9953641891479492}]

The intended use of this model is to extract company descriptions from online job adverts to use in downstream tasks such as mapping to Standardised Industrial Classification (SIC) codes.

⚖️ Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10

⚖️ Training results

The fine-tuning metrics are as follows:

  • eval_loss: 0.462236
  • eval_runtime: 0.629300
  • eval_samples_per_second: 233.582000
  • eval_steps_per_second: 15.890000
  • epoch: 10.000000
  • perplexity: 1.590000

⚖️ Framework versions

  • Transformers 4.32.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.4
  • Tokenizers 0.13.3

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
cf5074d

0 моделей