/ Модель

Характеристики

Контекст
512 токенов
Параметры
20,8 млн
Лицензия
CC BY-SA 4.0
Архитектура
electra · dense

yacis-electra-small-japanese-cyberbullying

Классификация текстаТекст → label3 профессии

Компактная японская модель ELECTRA для классификации текста с целью автоматического обнаружения кибербуллинга.

131скачиваний за 30 дней6лайковвеса обновлены16 янв 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

yacis-electra-small-japanese-cyberbullying — модель ELECTRA Small, дообученная для автоматического обнаружения кибербуллинга в японском тексте. Базовая модель предварительно обучена на корпусе японских блогов YACIS объёмом 5,6 млрд слов, а затем дообучена на сбалансированном наборе комментариев с вредоносным содержанием и примеров японского кибербуллинга из BBS и Twitter.

Модель использует архитектуру ELECTRA для классификации последовательностей, содержит 20,8 млн параметров и принимает текст длиной до 512 токенов. Она предназначена для фильтрации и анализа японских комментариев и публикаций. Репозиторий распространяется в формате PyTorch по лицензии CC BY-SA 4.0.

Сценарии применения

  • выявление кибербуллинга в японских комментариях
  • фильтрация оскорбительных сообщений на японском языке
  • анализ публикаций в японских соцсетях
  • модерация сообщений на японских форумах

Ограничения

Контекст ограничен 512 токенами. Модель обучена на японских данных BBS и Twitter, поэтому её качество для других языков и источников не подтверждено.

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

yacis-electra-small-cyberbullying

This is an ELECTRA Small model for the Japanese language finetuned for automatic cyberbullying detection.

The original foundation model was originally pretrained on 5.6 billion words YACIS blog corpus, and later finetuned on a balanced dataset created by unifying two datasets, namely "Harmful BBS Japanese comments dataset" and "Twitter Japanese cyberbullying dataset".

Model architecture

The original model was pretrained using ELECTRA Small model settings and can be found here: https://huggingface.co/ptaszynski/yacis-electra-small-japanese

Licenses

The finetuned model with all attached files is licensed under CC BY-SA 4.0, or Creative Commons Attribution-ShareAlike 4.0 International License.

Citations

Please, cite this model using the following citation.

@inproceedings{shibata2022yacis-electra,
  title={日本語大規模ブログコーパスYACISに基づいたELECTRA事前学習済み言語モデルの作成及び性能評価}, 
%  title={Development and performance evaluation of ELECTRA pretrained language model based on YACIS large-scale Japanese blog corpus [in Japanese]}, %% for English citations
  author={柴田 祥伍 and プタシンスキ ミハウ and エロネン ユーソ and ノヴァコフスキ カロル and 桝井 文人}, 
%  author={Shibata, Shogo and Ptaszynski, Michal and Eronen, Juuso and Nowakowski, Karol and Masui, Fumito},  %% for English citations
  booktitle={言語処理学会第28回年次大会(NLP2022) (予定)}, 
%  booktitle={Proceedings of The 28th Annual Meeting of The Association for Natural Language Processing (NLP2022)},  %% for English citations
  pages={1--4},
  year={2022}
}

The two datasets used for finetuning should be cited using the following references.

  • Harmful BBS Japanese comments dataset:
@book{ptaszynski2018automatic,
  title={Automatic Cyberbullying Detection: Emerging Research and Opportunities: Emerging Research and Opportunities},
  author={Ptaszynski, Michal E and Masui, Fumito},
  year={2018},
  publisher={IGI Global}
}
@article{松葉達明2009学校非公式サイトにおける有害情報検出,
  title={学校非公式サイトにおける有害情報検出},
  author={松葉達明 and 里見尚宏 and 桝井文人 and 河合敦夫 and 井須尚紀},
  journal={電子情報通信学会技術研究報告. NLC, 言語理解とコミュニケーション},
  volume={109},
  number={142},
  pages={93--98},
  year={2009},
  publisher={一般社団法人電子情報通信学会}
}
  • Twitter Japanese cyberbullying dataset:
TBA

The pretraining was done using YACIS corpus, which should be cited using at least one of the following references.

@inproceedings{ptaszynski2012yacis,
  title={YACIS: A five-billion-word corpus of Japanese blogs fully annotated with syntactic and affective information},
  author={Ptaszynski, Michal and Dybala, Pawel and Rzepka, Rafal and Araki, Kenji and Momouchi, Yoshio},
  booktitle={Proceedings of the AISB/IACAP world congress},
  pages={40--49},
  year={2012},
  howpublished = "\url{https://github.com/ptaszynski/yacis-corpus}"
}
@article{ptaszynski2014automatically,
  title={Automatically annotating a five-billion-word corpus of Japanese blogs for sentiment and affect analysis},
  author={Ptaszynski, Michal and Rzepka, Rafal and Araki, Kenji and Momouchi, Yoshio},
  journal={Computer Speech \& Language},
  volume={28},
  number={1},
  pages={38--55},
  year={2014},
  publisher={Elsevier},
  howpublished = "\url{https://github.com/ptaszynski/yacis-corpus}"
}

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
ElectraForSequenceClassification
Ревизия весов
e75924e

0 моделей