Характеристики

Контекст: 512 токенов
Параметры: 195 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-multilingual-uncased
Библиотека: transformers
Опубликована: 9 окт 2024

Ссылки

Hugging Face

bert-fraud-classification-test-mass

sandeshrajx

Классификация текстаТекст → label

Дообученная многоязычная BERT-модель для классификации текстов с целью выявления мошенничества.

7скачиваний за 30 дней0лайковвеса обновлены9 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

sandeshrajx/bert-fraud-classification-test-mass — модель классификации текста на основе google-bert/bert-base-multilingual-uncased, дообученная для выявления мошенничества. Она предназначена для отнесения текстовых последовательностей к классам, связанным с мошенническими и обычными случаями. Модель использует архитектуру BERT для классификации последовательностей, содержит 194,6 млн параметров и принимает текст длиной до 512 токенов. Базовая модель поддерживает 102 языка; целевые языки этой настройки отдельно не описаны.

В README приведены результаты оценки: F1 0,8194, точность 0,8445 и accuracy 0,8375. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данные обучения не описаны, поэтому качество на иных выборках и применимость к конкретным видам мошенничества по карточке определить нельзя.

Сценарии применения

классификация текстов на мошеннические и обычные
первичная проверка сообщений или обращений на признаки мошенничества
сортировка текстовых записей для последующей проверки специалистом

Ограничения

В README не названы обучающий датасет и классы, поэтому приведённые метрики нельзя уверенно переносить на конкретные сценарии или другие данные. Длина входа ограничена 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-fraud-classification-test-mass

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

Loss: 0.3963
F1: 0.8194
Precision: 0.8445
Val Accuracy: 0.8375

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: 5e-05
train_batch_size: 44
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 88
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 50
num_epochs: 2
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Precision	Val Accuracy
0.5197	0.1743	40	0.5468	0.7488	0.6907	0.7459
0.5208	0.3486	80	0.4667	0.7687	0.7890	0.7911
0.4235	0.5229	120	0.4351	0.7986	0.7898	0.8113
0.404	0.6972	160	0.4577	0.7972	0.7751	0.8066
0.3736	0.8715	200	0.4274	0.7914	0.8775	0.8240
0.419	1.0458	240	0.4058	0.7912	0.8737	0.8232
0.2701	1.2200	280	0.4075	0.8124	0.8393	0.8316
0.4345	1.3943	320	0.4246	0.8110	0.8088	0.8244
0.3258	1.5686	360	0.4023	0.7992	0.8788	0.8294
0.3938	1.7429	400	0.3945	0.8174	0.8447	0.8361
0.2529	1.9172	440	0.3963	0.8194	0.8445	0.8375

Framework versions

Transformers 4.46.0.dev0
Pytorch 2.4.1+cu121
Datasets 3.0.1
Tokenizers 0.20.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: 5c0447f