/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
9 мая 2022

distilbert-base-uncased-finetuned-eoir_privacy

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT классифицирует текст, выявляя случаи, когда имена следует заменить псевдонимами для защиты приватности в материалах EOIR.

23скачиваний за 30 дней5лайковвеса обновлены4 июл 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

Это дообученная модель DistilBERT, созданная на основе distilbert-base-uncased и набора данных eoir_privacy. Она классифицирует текстовые фрагменты, определяя, следует ли заменять имена псевдонимами, чтобы не раскрывать персональные или чувствительные сведения в публичных материалах иммиграционных судов EOIR. Модель принимает текстовый абзац и выдаёт решение о необходимости псевдонимизации.

Модель построена на DistilBERT и обрабатывает последовательности длиной до 512 токенов. На оценочном наборе указаны accuracy 0,9053 и F1 0,8088. Модель обучена на данных EOIR Privacy и предназначена для применения как минимальный стандарт приватности; на данных вне обучающего распределения её результаты могут быть ненадёжными. Лицензия — Apache-2.0.

Сценарии применения

  • выявление абзацев, где имена следует заменить псевдонимами
  • проверка материалов EOIR перед публикацией
  • предварительная классификация текстов по необходимости скрыть имена

Ограничения

Модель описана как минимальный стандарт защиты приватности и может ненадёжно работать на данных, отличающихся от обучающего распределения. Метрики на оценочном наборе: accuracy 0,9053 и F1 0,8088.

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-uncased-finetuned-eoir_privacy

This model is a fine-tuned version of distilbert-base-uncased on the eoir_privacy dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3681
  • Accuracy: 0.9053
  • F1: 0.8088

Model description

Model predicts whether to mask names as pseudonyms in any text. Input format should be a paragraph with names masked. It will then output whether to use a pseudonym because the EOIR courts would not allow such private/sensitive information to become public unmasked.

Intended uses & limitations

This is a minimal privacy standard and will likely not work on out-of-distribution data.

Training and evaluation data

We train on the EOIR Privacy dataset and evaluate further using sensitivity analyses.

Training procedure

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: 5

Training results

Training LossEpochStepValidation LossAccuracyF1
No log1.03950.30530.87890.7432
0.35622.07900.28570.89760.7883
0.22173.011850.33580.89050.7550
0.15094.015800.35050.90400.8077
0.15095.019750.36810.90530.8088

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.11.0+cu113
  • Datasets 2.1.0
  • Tokenizers 0.12.1

Citation

@misc{hendersonkrass2022pileoflaw,
  url = {https://arxiv.org/abs/2207.00220},
  author = {Henderson*, Peter and Krass*, Mark S. and Zheng, Lucia and Guha, Neel and Manning, Christopher D. and Jurafsky, Dan and Ho, Daniel E.},
  title = {Pile of Law: Learning Responsible Data Filtering from the Law and a 256GB Open-Source Legal Dataset},
  publisher = {arXiv},
  year = {2022}
}

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
f85c0f4

0 моделей