Характеристики

Контекст: 514 токенов
Параметры: 454 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-large
Опубликована: 2 сен 2024

Ссылки

Hugging Face

implicit-motives-affiliation-roberta-large

theharmonylab

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa-large классифицирует английский текст по аффилиационным мотивам.

90скачиваний за 30 дней0лайковвеса обновлены2 сен 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

Модель theharmonylab/implicit-motives-affiliation-roberta-large — дообученная версия FacebookAI/roberta-large для классификации текста. Она обучена на GLUE SCHONE_AFF и предназначена для определения аффилиационных мотивов в тексте. В карточке приведены результаты на оценочной выборке: loss 0,1011 и ROC AUC 0,9877.

Модель содержит 454,1 млн параметров, использует архитектуру RoBERTa для классификации последовательностей и принимает текст длиной до 514 токенов. Указан английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Карточка не уточняет метки классов и ограничения применения, поэтому результаты на другом распределении данных не подтверждены.

Сценарии применения

Классификация текста по аффилиационным мотивам
Анализ мотивов в английских текстах
Оценка аффилиационной тематики текста

Ограничения

Карточка не описывает метки классов и подробности обучающих данных; качество за пределами оценочной выборки не подтверждено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.5Корпоративные функцииУправление персоналом и организациейAI помогает поддерживать найм, развитие, организационное планирование и HR-сервисы.24 задачи4 462модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

final

This model is a fine-tuned version of roberta-large on the GLUE SCHONE_AFF dataset. It achieves the following results on the evaluation set:

Loss: 0.1011
Roc Auc: 0.9877

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: 1e-05
train_batch_size: 128
eval_batch_size: 256
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 256
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5.0

Training results

Training Loss	Epoch	Step	Validation Loss	Roc Auc
0.2128	0.9985	332	0.1760	0.9613
0.184	2.0	665	0.1493	0.9730
0.1592	2.9985	997	0.1257	0.9811
0.1464	4.0	1330	0.1069	0.9861
0.1236	4.9925	1660	0.1011	0.9877

Framework versions

Transformers 4.44.0.dev0
Pytorch 2.0.1+cu118
Datasets 2.20.0
Tokenizers 0.19.1

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: RobertaForSequenceClassification
Ревизия весов: 95f654a