/ Модель

Характеристики

Контекст
514 токенов
Параметры
454 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
roberta · dense
Опубликована
16 мар 2023

ArgumentMining-EN-ARI-AIF-RoBERTa_L

Классификация текстаТекст → label3 профессии

Англоязычная модель на основе RoBERTa-large для классификации отношений между аргументами: вывода, конфликта, перефразирования или отсутствия связи.

60скачиваний за 30 дней5лайковвеса обновлены8 мая 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

raruidol/ArgumentMining-EN-ARI-AIF-RoBERTa_L — англоязычная модель классификации отношений между аргументами, разработанная на основе RoBERTa-large и обученная для задачи Argument Relation Identification (ARI) на корпусах US2016 и QT30. Она определяет, являются ли пары аргументов не связанными, отношением вывода, конфликтом или перефразированием.

Модель предназначена для автоматического анализа аргументации в текстах и оценки связей между аргументами. В README указана macro-F1 0,70 для четырёхклассовой классификации. Архитектура — RoBERTa для классификации последовательностей, размер — 454,1 млн параметров, максимальный контекст — 514 токенов. Поддерживаемый язык — английский.

Модель опубликована под лицензией CC BY-NC-SA 4.0. Качество зависит от предметной области и соответствия входных данных корпусам обучения; заявлена оценка на тестовых данных, поэтому она не гарантирует такую же точность на других типах текстов.

Сценарии применения

  • выявление отношений вывода между аргументами
  • поиск конфликтующих аргументов в тексте
  • определение перефразированных аргументов
  • классификация связей между парами аргументов
  • автоматический анализ аргументации в англоязычных корпусах

Ограничения

Заявленная macro-F1 0,70 получена для четырёхклассовой классификации на тестовых данных; качество на других корпусах и предметных областях может отличаться. Лицензия CC BY-NC-SA 4.0 ограничивает использование некоммерческими условиями и требует распространения производных материалов на тех же условиях.

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

Argument Relation Mining

Argument Mining model trained with English (EN) data for the Argument Relation Identification (ARI) task using the US2016 and the QT30 corpora.

Extending the best performing RoBERTa-large model trained in the "Transformer-Based Models for Automatic Detection of Argument Relations: A Cross-Domain Evaluation" paper.

macro-F1 (4-class classification): 0.70

Conf. Matrix on test:

ClassNoneInferenceConflictRephrase
None29911331324
Inference13954751103
Conflict38549821
Rephrase5512825443

Cite:

@article{ruiz2021transformer,
author = {R. Ruiz-Dolz and J. Alemany and S. Barbera and A. Garcia-Fornes},
journal = {IEEE Intelligent Systems},
title = {Transformer-Based Models for Automatic Identification of Argument Relations: A Cross-Domain Evaluation},
year = {2021},
volume = {36},
number = {06},
issn = {1941-1294},
pages = {62-70},
doi = {10.1109/MIS.2021.3073993},
publisher = {IEEE Computer Society}
}

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
RobertaForSequenceClassification
Ревизия весов
7e7747d

0 моделей