Характеристики

Лицензия: CC BY 4.0
Базовая модель: xlm-roberta-large
Библиотека: transformers
Опубликована: 29 ноя 2025

Ссылки

xlm-roberta-large-pooled-cap-v4

Классификация текстаТекст → label3 профессии

Многоязычный классификатор на базе XLM-RoBERTa Large, определяющий тематику текстов по кодам Comparative Agendas Project.

484скачиваний за 30 дней0лайковвеса обновлены24 авг 2026

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 poltextlab/xlm-roberta-large-pooled-cap-v4 — многоязычный классификатор текстов на основе xlm-roberta-large, дообученный на данных из разных предметных областей с разметкой по тематическим кодам Comparative Agendas Project (CAP). Она предназначена для автоматического определения тематики текста в исследовательских проектах, включая сравнительный анализ политических повесток. Модель используется в CAP Babel Machine — бесплатном инструменте для обработки естественного языка.

Сценарии применения

классификация документов по тематическим кодам CAP
разметка новостных текстов для сравнительного анализа политических повесток
автоматическая категоризация многоязычных корпусов по темам
подготовка тематически размеченных данных для политологических исследований

Ограничения

В README приведены метрики на оценочном наборе: accuracy 0,82 и macro F1 0,79; качество зависит от языка, тематики и соответствия входных данных обучающей разметке CAP.

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-large-pooled-cap-v4

Model description

An xlm-roberta-large model finetuned on multilingual, multi-domain training data containing texts labelled with major topic codes from the Comparative Agendas Project.

How to use the model

from transformers import AutoTokenizer, pipeline

tokenizer = AutoTokenizer.from_pretrained("xlm-roberta-large")
pipe = pipeline(
    model="finetune-agent-dev",
    task="text-classification",
    tokenizer=tokenizer,
    use_fast=False,
    token="<your_hf_read_only_token>"
)

text = "<text_to_classify>"
pipe(text)

Classification Report

Overall Performance:

Accuracy: 0.82
Macro Avg: Precision: 0.79, Recall: 0.79, F1-score: 0.79
Weighted Avg: Precision: 0.82, Recall: 0.82, F1-score: 0.82

Per-Class Metrics:

Label	Precision	Recall	F1-score	Support
(1) Macroeconomics	0.77	0.73	0.75	34348
(2) Civil Rights	0.73	0.66	0.69	15026
(3) Health	0.88	0.85	0.86	27670
(4) Agriculture	0.8	0.83	0.82	14716
(5) Labor	0.76	0.75	0.75	18809
(6) Education	0.87	0.85	0.86	21239
(7) Environment	0.81	0.8	0.8	15028
(8) Energy	0.81	0.85	0.83	11888
(9) Immigration	0.81	0.7	0.75	8841
(10) Transportation	0.79	0.88	0.84	22535
(12) Law and Crime	0.83	0.78	0.81	34798
(13) Social Welfare	0.75	0.79	0.77	17434
(14) Housing	0.73	0.77	0.75	12970
(15) Banking, Finance, and Domestic Commerce	0.78	0.75	0.77	25793
(16) Defense	0.82	0.81	0.81	24435
(17) Technology	0.78	0.84	0.8	12228
(18) Foreign Trade	0.77	0.74	0.76	10074
(19) International Affairs	0.77	0.77	0.77	35019
(20) Government Operations	0.77	0.8	0.78	58869
(21) Public Lands	0.79	0.78	0.79	18176
(23) Culture	0.69	0.62	0.65	2654
(999) No Policy Content	0.92	0.94	0.93	113890

Inference platform

This model is used by the CAP Babel Machine, an open-source and free natural language processing tool, designed to simplify and speed up projects for comparative research.

Cooperation

Model performance can be significantly improved by extending our training sets. We appreciate every submission of CAP-coded corpora (of any domain and language) at poltextlab{at}poltextlab{dot}com or by using the CAP Babel Machine.

Debugging and issues

This architecture uses the sentencepiece tokenizer. In order to run the model before transformers==4.27 you need to install it manually.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: f77d8aa