Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Архитектура: bert · dense
Опубликована: 4 янв 2023

Ссылки

Hugging Face

local_politics

nruigrok

Классификация текстаТекст → label3 профессии

Дообученная нидерландская BERT-модель для классификации текстов о местной политике.

784скачиваний за 30 дней0лайковвеса обновлены9 авг 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

nruigrok/local_politics — дообученная модель классификации текста на базе GroNLP/bert-base-dutch-cased. Это BERT для последовательной классификации с 136,3 млн параметров и контекстом до 512 токенов. По названию репозитория модель предназначена для классификации текстов о местной политике; README сообщает F1 0,9017 и loss 0,4758 на тестовой выборке, но не описывает классы и набор данных. Лицензия в доступных сведениях не указана.

Сценарии применения

классификация текстов о местной политике
разметка публикаций по темам местного самоуправления
анализ политических сообщений на нидерландском языке

Ограничения

README не сообщает набор данных, перечень классов и условия оценки F1, поэтому результат нельзя уверенно переносить на другие источники текстов. Контекст ограничен 512 токенами.

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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome_model

This model is a fine-tuned version of GroNLP/bert-base-dutch-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.4758
F1: 0.9017

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: 16
eval_batch_size: 48
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 15
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	F1
No log	1.0	220	0.1520	0.8825
No log	2.0	440	0.2150	0.9041
0.1543	3.0	660	0.2199	0.9104
0.1543	4.0	880	0.3506	0.8988
0.0418	5.0	1100	0.4256	0.8930
0.0418	6.0	1320	0.3492	0.9037
0.0178	7.0	1540	0.3244	0.9092
0.0178	8.0	1760	0.4016	0.9044
0.0178	9.0	1980	0.4155	0.8985
0.0135	10.0	2200	0.4235	0.9008
0.0135	11.0	2420	0.4109	0.9084
0.0084	12.0	2640	0.4400	0.9032
0.0084	13.0	2860	0.4518	0.9064
0.0046	14.0	3080	0.4740	0.9017
0.0046	15.0	3300	0.4758	0.9017

Framework versions

Transformers 4.28.1
Pytorch 2.0.0+cu118
Datasets 2.12.0
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: 0873404