Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-cased
Опубликована: 29 окт 2023

Ссылки

Hugging Face

bert-based_cased-finetuned-financial-talk

odunola

Классификация текстаТекст → label3 профессии

Дообученная на финансовых обсуждениях модель BERT для классификации текста по категориям.

12скачиваний за 30 дней0лайковвеса обновлены29 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

odunola/bert-based_cased-finetuned-financial-talk — дообученная модель классификации последовательностей на основе BERT base cased. Она предназначена для присвоения тексту одной из категорий в сценариях, связанных с финансовыми обсуждениями. В карточке приведены результаты оценки на наборе данных: accuracy 0,8997, F1 0,8994, precision 0,8999 и recall 0,8997; сведения о категориях и датасете не раскрыты.

Модель содержит 135,5 млн параметров, использует формат PyTorch и рассчитана на контекст до 512 токенов. Базовая модель — google-bert/bert-base-cased. Указанная лицензия — Apache-2.0. Карточка не сообщает подробностей о языке обучающих данных и ограничениях качества вне оценки на указанном наборе.

Сценарии применения

Классификация сообщений о финансовых темах
Разметка финансовых обсуждений по категориям
Автоматическая категоризация текстов о финансах

Ограничения

Категории классов и обучающий датасет не описаны, поэтому применимость к конкретной схеме разметки неясна. Метрики приведены только для оценочного набора и не гарантируют аналогичного качества на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-based_cased-finetuned-financial-talk

This model is a fine-tuned version of bert-base-cased on an unknown dataset. It achieves the following results on the evaluation set:

eval_loss: 0.4094
eval_accuracy: 0.8997
eval_f1: 0.8994
eval_precision: 0.8999
eval_recall: 0.8997
eval_runtime: 9.6456
eval_samples_per_second: 426.827
eval_steps_per_second: 6.739
epoch: 4.98
step: 1190

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 6

Framework versions

Transformers 4.34.1
Pytorch 2.0.1+cu118
Datasets 2.14.6
Tokenizers 0.14.1

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: 5c76c38