这个模型适用于处理中文原因文本,并标记文本中的不安全行为或影响因素
需要注意的是,本模型将不安全行为与影响因素的多标签标记任务视作相互独立的二分类任务,模型最后一层使用了sigmoid函数,但是在本api测试中,对模型的输出结果作了一层softmax
本模型是在文本对应位置标签的概率计算如果大于0.5,认为文本含有该标签信息的基础上进行的训练
BERT-модель для многометочной классификации китайских текстов о причинах происшествий, небезопасном поведении и влияющих факторах.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
posie/bert-base-chinese-accidentreason-classifier — модель на основе BERT, предназначенная для классификации китайских текстов о причинах происшествий. Она отмечает небезопасное поведение и влияющие факторы как независимые метки; обучение использует порог вероятности 0,5 для каждой метки. В карточке указано, что выходной слой модели применяет sigmoid, хотя в тестовом API поверх результатов применялся softmax. Архитектура в метаданных указана как BertForMaskedLM, поэтому классификационное назначение README расходится с архитектурной классификацией каталога.
Модель содержит 129,5 млн параметров, принимает текст с контекстом до 512 токенов и представлена в формате PyTorch. Она предназначена для многоцелевой разметки факторов риска и причин происшествий в китайских текстах. Лицензия — OpenRAIL.
Модель обучалась как набор независимых бинарных классификаторов с порогом 0,5; README отмечает, что тестовый API дополнительно применял softmax к выходам sigmoid, что может менять интерпретацию результатов.
README от автора на Hugging Face, как он его опубликовал
这个模型适用于处理中文原因文本,并标记文本中的不安全行为或影响因素
需要注意的是,本模型将不安全行为与影响因素的多标签标记任务视作相互独立的二分类任务,模型最后一层使用了sigmoid函数,但是在本api测试中,对模型的输出结果作了一层softmax
本模型是在文本对应位置标签的概率计算如果大于0.5,认为文本含有该标签信息的基础上进行的训练
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · fill-mask
Подбираем GPU…