/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Архитектура
bert · dense
Опубликована
3 июл 2022

rubert-base-cased-conversational-paraphrase-v1

Классификация текстаТекст → label12 профессий

Дообученная ruBERT-модель классифицирует пары русских предложений для обнаружения перефразирований и оценки семантического сходства.

508скачиваний за 30 дней3лайкавеса обновлены20 мар 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

Модель s-nlp/rubert-base-cased-conversational-paraphrase-v1 разработана для оценки семантического сходства предложений на русском языке. Это дообученная ruBERT-conversational с архитектурой BERT и классификационной головой для последовательностей; она обучена на смеси наборов ru_paraphraser, RuPAWS и данных краудсорсинговой оценки сохранения содержания при детоксикации русского текста. В репозитории около 205,1 млн параметров, веса доступны в форматах PyTorch и Safetensors, максимальная длина контекста — 512 токенов.

Модель подходит для обнаружения перефразирований и сравнения смысла двух русских фраз. На тестах разработчика ROC AUC составил 0,762–0,848 в зависимости от набора данных. Это модель-классификатор для пар текстов, поэтому её оценки не следует трактовать как универсальную метрику сходства; автор отмечает, что SkolkovoInstitute/ruRoberta-large-paraphrase-v1 показывает лучшие результаты на этой задаче. Лицензия в предоставленных источниках не указана.

Сценарии применения

  • поиск перефразированных предложений в русскоязычных текстах
  • оценка смысловой близости двух русских фраз
  • сопоставление вариантов формулировки пользовательского запроса
  • проверка сохранения смысла при перефразировании текста
  • сравнение содержания исходного и детоксифицированного текста

Ограничения

Модель ориентирована на пары русскоязычных предложений и ограничена контекстом в 512 токенов. По приведённым разработчиком оценкам качество зависит от набора данных; автор указывает, что другая модель показывает лучшие результаты на этой задаче.

Для каких профессий подходит12

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This is a ruBERT-conversational model trained on the mixture of 3 paraphrase detection datasets:

The model can be used to assess semantic similarity of Russian sentences.

Training notebook: task_oriented_TST/similarity/cross_encoders/russian/train_russian_paraphrase_detector__fixed.ipynb (in a private repo).

Training parameters:

  • optimizer: Adam
  • lr=1e-5
  • batch_size=32
  • epochs=3

ROC AUC on the development data:

source         score
detox          0.821665
paraphraser    0.848287
rupaws_qqp     0.761481
rupaws_wiki    0.844093

Pleas see also the documentation of SkolkovoInstitute/ruRoberta-large-paraphrase-v1 that performs better on this task.

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
f91c204

0 моделей