/ Модель

Характеристики

Контекст
512 токенов
Параметры
435 млн
Архитектура
bert · dense
Базовая модель
gbert-large
Библиотека
transformers
Опубликована
13 ноя 2025

parl-german-speechact

Классификация текстаТекст → label3 профессии

Модель на основе GBERT large размечает речевые акты в немецких парламентских дебатах одним или несколькими прагматическими типами.

102скачиваний за 30 дней0лайковвеса обновлены13 ноя 2025

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

parl-german-speechact — немецкоязычная модель классификации текста, разработанная в рамках проекта GePaDeU для разметки дебатов Бундестага Германии. Она определяет для речевого акта с контекстом из предыдущего и следующего предложений один или несколько типов речевых актов, описывающих прагматические и риторические функции, например просьбу, сообщение, обвинение или требование.

Модель основана на GBERT large и полностью дообучена для многоклассовой многометочной классификации последовательностей. Она содержит 434,5 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Обучение и оценка проводились на 12 947 вручную размеченных фрагментах из парламентских выступлений 2017–2021 годов.

Модель предназначена для анализа речевых актов в немецких парламентских дебатах; её применимость к другим жанрам и предметным областям не установлена. Лицензия в доступных данных не указана.

Сценарии применения

  • разметка просьб и сообщений в дебатах Бундестага
  • выявление обвинений и требований в парламентских выступлениях
  • многометочная классификация речевых актов с учётом соседних предложений

Ограничения

Модель обучена на немецких парламентских выступлениях, поэтому её качество на других жанрах и языках не установлено. Для работы требуется учитывать окружающий контекст; максимальная длина контекста составляет 512 токенов.

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

Annotation Layer: Speechact

This model is part of GePaDeU, which equips parliamentary debates of the German Bundestag with rich semantic and pragmatic information across multiple annotation layers.

parl-german-speechact is trained to classify a given speech act segemnt enriched with its surrounding context (defined as previous and following sentence) into zero, one or multiple speech act types. Speech acts are discouse units, serving specific pragmatic/rhetorical functions. In our taxonomy, speech acts capture different types of cooperation (e.g., Request, Report) and conflict (e.g., Accusation, Demand) communication in parliamentary debates.


🔍 Model Overview

  • Task Type: Multi-label, multi-class sequence classification
  • Base Model: GBERT large
  • Fine-tuning method: full fine-tuning
  • Language: German

📚 Dataset

Models were trained and evaluated on 250 manually annotated parliamentary speeches from the German Bundestag, ranging from 2017-2021, resulting in 12,947 speech act segments.

Data Splits

  • Train: 8,583 instances
  • Dev: 1,214 instances
  • Test: 3,150 instances

🏋️ Model Training


📊 Evaluation


🚀 How to Use

Please, refer to our GitHub repo for detailed instructions on the required input format and how to run the model.


⚠️ Limitations

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
a2f27ad

0 моделей