Cause-effect span detection for causal sequences:
label_to_id = {'B-C': 0, 'B-E': 1, 'I-C': 2, 'I-E': 3, 'O': 4}
- LABEL_0 = B-C
- LABEL_1 = B-E
- LABEL_2 = I-C
- LABEL_3 = I-E
- LABEL_4 = O
Trained on multiple datasets.
Характеристики
- Контекст
- 512 токенов
- Параметры
- 136 млн
- Лицензия
- Не указана
- Архитектура
- bert · dense
- Опубликована
- 17 июл 2022
Ссылки
unicausal-tok-baseline
Модель на базе BERT размечает токены текста, выделяя фрагменты причин и следствий.
33скачиваний за 30 дней0лайковвеса обновлены17 июл 2022
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
tanfiona/unicausal-tok-baseline — модель на базе BERT для поиска причинно-следственных фрагментов в последовательностях. Она размечает токены метками начала и продолжения причины (B-C, I-C), начала и продолжения следствия (B-E, I-E), а также меткой для токенов вне этих фрагментов (O). Модель предназначена для извлечения причин и следствий из текста; обучена на нескольких наборах данных.
Модель имеет 135,5 млн параметров, использует архитектуру BertForTokenClassification и принимает текстовые последовательности длиной до 512 токенов. Метаданные указывают английский язык и формат PyTorch. Лицензия обозначена как unknown, поэтому условия использования следует уточнить в репозитории модели.
Сценарии применения
- извлечение причин и следствий из предложений
- разметка причинно-следственных связей в текстовых корпусах
- подготовка данных для анализа причинности
- поиск причин и результатов событий в англоязычном тексте
Ограничения
Карточка не описывает качество модели и детали разметки наборов данных. Контекст ограничен 512 токенами, а лицензия указана как unknown.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…
- Класс архитектуры
- BertForTokenClassification
- Ревизия весов
- 619a3f2