/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
OpenRAIL++
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Опубликована
23 дек 2023

ukr-toxicity-classifier

Классификация текстаТекст → label3 профессии

Дообученная XLM-RoBERTa определяет токсичность украинских текстов в задачах бинарной классификации.

46скачиваний за 30 дней5лайковвеса обновлены8 ноя 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

ukr-detect/ukr-toxicity-classifier — дообученная командой ukr-detect модель XLM-RoBERTa для бинарной классификации токсичности украинских текстов. Она основана на FacebookAI/xlm-roberta-base и предназначена для определения, является ли текст токсичным; модель можно использовать в конвейере text-classification библиотеки Transformers.

Модель содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. В README приведены результаты на тестовом наборе: F1, точность и полнота по 0,99. Модель обучена на полуавтоматически собранном датасете украинской токсичности.

Модель распространяется по лицензии OpenRAIL++. Метрики из карточки относятся к указанному тестовому набору; качество на других данных может отличаться.

Сценарии применения

  • фильтрация токсичных комментариев на украинском языке
  • модерация сообщений в украинскоязычном сообществе
  • разметка украинских текстов по признаку токсичности

Ограничения

Качество может отличаться на текстах вне тестового набора; модель предназначена для украинского языка.

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

Binary toxicity classifier for Ukrainian

This is the fine-tuned on the semi-automatically collected Ukrainian toxicity classification dataset "xlm-roberta-base" instance.

The evaluation metrics for binary toxicity classification on a test set are:

MetricValue
F1-score0.99
Precision0.99
Recall0.99
Accuracy0.99

How to use:

from transformers import pipeline

classifier = pipeline("text-classification",
                       model="ukr-detect/ukr-toxicity-classifier")

Citation

@inproceedings{dementieva-etal-2024-toxicity,
    title = "Toxicity Classification in {U}krainian",
    author = "Dementieva, Daryna  and
      Khylenko, Valeriia  and
      Babakov, Nikolay  and
      Groh, Georg",
    editor = {Chung, Yi-Ling  and
      Talat, Zeerak  and
      Nozza, Debora  and
      Plaza-del-Arco, Flor Miriam  and
      R{\"o}ttger, Paul  and
      Mostafazadeh Davani, Aida  and
      Calabrese, Agostina},
    booktitle = "Proceedings of the 8th Workshop on Online Abuse and Harms (WOAH 2024)",
    month = jun,
    year = "2024",
    address = "Mexico City, Mexico",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2024.woah-1.19",
    doi = "10.18653/v1/2024.woah-1.19",
    pages = "244--255",
    abstract = "The task of toxicity detection is still a relevant task, especially in the context of safe and fair LMs development. Nevertheless, labeled binary toxicity classification corpora are not available for all languages, which is understandable given the resource-intensive nature of the annotation process. Ukrainian, in particular, is among the languages lacking such resources. To our knowledge, there has been no existing toxicity classification corpus in Ukrainian. In this study, we aim to fill this gap by investigating cross-lingual knowledge transfer techniques and creating labeled corpora by: (i){\textasciitilde}translating from an English corpus, (ii){\textasciitilde}filtering toxic samples using keywords, and (iii){\textasciitilde}annotating with crowdsourcing. We compare LLMs prompting and other cross-lingual transfer approaches with and without fine-tuning offering insights into the most robust and efficient baselines.",
}

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
a12b21a

0 моделей