/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Опубликована
27 мар 2022

xlm-roberta-base-faq-extractor

Классификация текстаТекст → label3 профессии

Многоязычный классификатор XLM-RoBERTa определяет, является ли вопрос или высказывание FAQ о товарах, компаниях и веб-сайтах.

37скачиваний за 30 дней7лайковвеса обновлены11 апр 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 timp al0l/xlm-roberta-base-faq-extractor — классификатор на базе XLM-RoBERTa Base, дообученный определять, относится ли вопрос или высказывание к часто задаваемым вопросам о товарах, компаниях и содержимом сайтов. Она принимает текст и возвращает бинарную метку: FAQ или не FAQ. Модель подходит для отбора пользовательских вопросов, предварительной сортировки обращений и извлечения FAQ-кандидатов из текстов.

Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и рассчитана на контекст до 514 токенов. Карточка указывает поддержку многоязычных сценариев; среди языков перечислены, в частности, английский, немецкий, французский, испанский, арабский, китайский и японский. Весовые файлы представлены в форматах PyTorch и Safetensors. Лицензия — MIT.

Классификатор предназначен для определения тематической пригодности текста как FAQ, а не для генерации ответов на вопросы. Карточка не описывает качество на отдельных языках или доменах, поэтому результаты на специфичных данных следует проверять отдельно.

Сценарии применения

  • отбор вопросов о товарах для раздела FAQ
  • выявление FAQ-кандидатов на сайте компании
  • сортировка обращений клиентов по признаку FAQ
  • фильтрация бытовых вопросов и общих высказываний из списка FAQ

Ограничения

Модель классифицирует текст как FAQ или не FAQ и не генерирует ответы. Качество на конкретных языках и специализированных доменах в карточке не приведено.

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

Frequently Asked Questions classifier

This model is trained to determine whether a question/statement is a FAQ, in the domain of products, businesses, website faqs, etc. For e.g "What is the warranty of your product?" In contrast, daily questions such as "how are you?", "what is your name?", or simple statements such as "this is a tree".

Usage

from transformers import pipeline

classifier = pipeline("text-classification", "timpal0l/xlm-roberta-base-faq-extractor")
label_map = {"LABEL_0" : False, "LABEL_1" : True}

documents = ["What is the warranty for iPhone15?", 
             "How old are you?", 
             "Nice to meet you", 
             "What is your opening hours?", 
             "What is your name?", 
             "The weather is nice"]

predictions = classifier(documents)

for p, d in zip(predictions, documents):
    print(d, "--->", label_map[p["label"]])
What is the warranty for iPhone15? ---> True
How old are you? ---> False
Nice to meet you ---> False
What is your opening hours? ---> True
What is your name? ---> False
The weather is nice ---> False

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
XLMRobertaForSequenceClassification
Ревизия весов
d95e452

0 моделей