Характеристики

Контекст: 512 токенов
Параметры: 40,8 млн
Лицензия: CC BY-SA 4.0
Архитектура: bert · dense
Базовая модель: legal-bert-small-uncased
Опубликована: 13 сен 2023

Ссылки

Hugging Face

scotus-v10

raminass

Классификация текстаТекст → label3 профессии

Компактная англоязычная BERT-модель для классификации текстов, дообученная на базе юридической Legal-BERT.

17скачиваний за 30 дней0лайковвеса обновлены13 сен 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

scotus-v10 — компактная модель классификации последовательностей на базе BERT, дообученная автором репозитория raminass на nlpaueb/legal-bert-small-uncased. Она предназначена для классификации текстов; название указывает на связь с решениями Верховного суда США, однако README не подтверждает конкретную схему меток или сценарий применения. Модель содержит 40,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метки классов. Базовая модель предварительно обучена на юридических текстах на английском языке.

На указанном в карточке наборе оценки модель достигла accuracy 0,8842 и loss 0,7971. Данные обучения в README обозначены как None, поэтому область применимости этих результатов оценить нельзя. Модель распространяется по лицензии CC BY-SA 4.0.

Сценарии применения

классификация текстов судебных решений
категоризация юридических документов
классификация англоязычных текстов по заданным меткам

Ограничения

README не раскрывает обучающий набор, метки классов и предполагаемые сценарии применения, поэтому приведённые метрики нельзя уверенно переносить на другие данные. Ограничение контекста — 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

scotus-v10

This model is a fine-tuned version of nlpaueb/legal-bert-small-uncased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.7971
Accuracy: 0.8842

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: 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: 20

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.67	1.0	1219	1.3781	0.5718
1.1539	2.0	2438	0.9619	0.7077
0.6736	3.0	3657	0.7837	0.7668
0.4265	4.0	4876	0.5882	0.8309
0.2477	5.0	6095	0.5624	0.8446
0.1636	6.0	7314	0.5701	0.8542
0.0938	7.0	8533	0.6322	0.8603
0.0523	8.0	9752	0.6717	0.8606
0.0397	9.0	10971	0.6626	0.8738
0.0236	10.0	12190	0.6729	0.8811
0.0129	11.0	13409	0.7164	0.876
0.0098	12.0	14628	0.8041	0.8723
0.0066	13.0	15847	0.7792	0.8794
0.0055	14.0	17066	0.7704	0.8792
0.0032	15.0	18285	0.8369	0.8768
0.0023	16.0	19504	0.8685	0.8737
0.0012	17.0	20723	0.7631	0.888
0.0026	18.0	21942	0.8220	0.8808
0.0011	19.0	23161	0.7897	0.8845
0.0003	20.0	24380	0.7971	0.8842

Framework versions

Transformers 4.33.1
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.13.3

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: 79da5eb