Характеристики

Контекст: 512 токенов
Параметры: 129 млн
Архитектура: bert · dense
Базовая модель: bert-base-chinese
Библиотека: transformers
Опубликована: 28 янв 2025

Ссылки

Hugging Face

bert-base-chinese-chn-finetuned-augmentation-LUNAR

sercetexam9

Классификация текстаТекст → label

Дообученная китайская BERT-модель для классификации текстовых последовательностей.

13скачиваний за 30 дней0лайковвеса обновлены28 янв 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

Модель sercetexam9/bert-base-chinese-chn-finetuned-augmentation-LUNAR — дообученная версия google-bert/bert-base-chinese для классификации текста. Она построена на архитектуре BERT и содержит около 129,5 млн параметров; принимает последовательность токенов длиной до 512 токенов. В README приведены результаты оценки: F1 0,7890, ROC AUC 0,8637 и accuracy 0,7323.

Модель предназначена для задач классификации китайскоязычного текста. Данные обучения и целевые классы не описаны, поэтому область применения и значение метки augmentation-LUNAR по карточке установить нельзя. Доступна в формате safetensors через библиотеку Transformers. Лицензия в предоставленных метаданных и README не указана.

Сценарии применения

классификация китайских текстовых сообщений
присвоение категорий китайским документам
классификация коротких китайских фраз

Ограничения

В карточке не описаны набор данных, целевые классы и intended use, поэтому качество для конкретных задач по приведённым метрикам оценить нельзя. Указанное контекстное окно — до 512 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-chinese-chn-finetuned-augmentation-LUNAR

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

Loss: 0.2282
F1: 0.7890
Roc Auc: 0.8637
Accuracy: 0.7323

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: 2e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
lr_scheduler_warmup_steps: 100
num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	F1	Roc Auc	Accuracy
0.2216	1.0	315	0.2200	0.5555	0.7352	0.5949
0.1695	2.0	630	0.1692	0.6542	0.7784	0.6839
0.1031	3.0	945	0.1674	0.6900	0.8028	0.6926
0.0671	4.0	1260	0.1707	0.7356	0.8239	0.7085
0.0415	5.0	1575	0.1884	0.7489	0.8419	0.7014
0.0289	6.0	1890	0.1993	0.7604	0.8532	0.6998
0.0204	7.0	2205	0.2331	0.7568	0.8558	0.6791
0.014	8.0	2520	0.2070	0.7714	0.8467	0.7149
0.0069	9.0	2835	0.2256	0.7823	0.8684	0.7053
0.0055	10.0	3150	0.2207	0.7839	0.8611	0.7260
0.0064	11.0	3465	0.2197	0.7875	0.8597	0.7252
0.0061	12.0	3780	0.2282	0.7890	0.8637	0.7323
0.0046	13.0	4095	0.2316	0.7865	0.8584	0.7284
0.0022	14.0	4410	0.2339	0.7763	0.8519	0.7307
0.0025	15.0	4725	0.2339	0.7800	0.8536	0.7315
0.0028	16.0	5040	0.2328	0.7802	0.8537	0.7299

Framework versions

Transformers 4.45.1
Pytorch 2.4.0
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: 1149a27