/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Лицензия
OpenRAIL++
Архитектура
bert · dense
Базовая модель
rubert-base-cased-conversational
Опубликована
2 мар 2022

russian_toxicity_classifier

Классификация текстаТекст → label3 профессии

Русскоязычный BERT-классификатор для выявления токсичных комментариев и поддержки модерации.

2 468скачиваний за 30 дней48лайковвеса обновлены14 окт 2024

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

s-nlp/russian_toxicity_classifier — классификатор русскоязычных комментариев на основе BERT, дообученный авторами репозитория от DeepPavlov/rubert-base-cased-conversational. Он предназначен для выявления токсичных комментариев, например при модерации пользовательских публикаций и обсуждений. Модель содержит 205,1 млн параметров, принимает текст и поддерживает контекст до 512 токенов; в метаданных указаны реализации для PyTorch, TensorFlow и safetensors.

Для обучения объединили датасеты токсичных комментариев с 2ch.hk и ok.ru, затем разделили данные на обучающую, валидационную и тестовую части в пропорции 80/10/10. На тестовой выборке авторы сообщают F1 0,93 для токсичного класса и точность 0,97 в целом. Эти показатели относятся к указанной выборке и не гарантируют такого же качества на других источниках текста. Лицензия — OpenRAIL++.

Сценарии применения

  • поиск токсичных комментариев в русскоязычных обсуждениях
  • автоматическая предварительная модерация пользовательских публикаций
  • отбор комментариев для проверки модератором
  • классификация текста по признаку токсичности

Ограничения

Качество оценивалось на тестовой выборке из объединённых датасетов 2ch.hk и ok.ru; оно может отличаться на текстах из других источников. Контекст ограничен 512 токенами.

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

Bert-based classifier (finetuned from Conversational Rubert) trained on merge of Russian Language Toxic Comments dataset collected from 2ch.hk and Toxic Russian Comments dataset collected from ok.ru.

The datasets were merged, shuffled, and split into train, dev, test splits in 80-10-10 proportion. The metrics obtained from test dataset is as follows

precisionrecallf1-scoresupport
00.980.990.9821384
10.940.920.934886
accuracy0.9726270
macro avg0.960.960.9626270
weighted avg0.970.970.9726270

How to use

from transformers import BertTokenizer, BertForSequenceClassification

# load tokenizer and model weights
tokenizer = BertTokenizer.from_pretrained('s-nlp/russian_toxicity_classifier')
model = BertForSequenceClassification.from_pretrained('s-nlp/russian_toxicity_classifier')

# prepare the input
batch = tokenizer.encode('ты супер', return_tensors='pt')

# inference
model(batch)

Citation

To acknowledge our work, please, use the corresponding citation:

@article{dementieva2022russe,
  title={RUSSE-2022: Findings of the First Russian Detoxification Shared Task Based on Parallel Corpora},
  author={Dementieva, Daryna and Logacheva, Varvara and Nikishina, Irina and Fenogenova, Alena and Dale, David and Krotova, Irina and Semenov, Nikita and Shavrina, Tatiana and Panchenko, Alexander}
}

Licensing Information

This model is licensed under the OpenRAIL++ License, which supports the development of various technologies—both industrial and academic—that serve the public good.

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
0694e1f

0 моделей