/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
cc-by-2.0
Архитектура
bert · dense
Опубликована
26 июл 2023

Ссылки

Hugging FacearXiv 1910.09700

bert-deepfake-bg

usmiva
Классификация текстаТекст → label3 профессии

Дообученная болгарская модель BERT для классификации текстовых последовательностей.

15скачиваний за 30 дней0лайковвеса обновлены11 авг 2023

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

bert-deepfake-bg — модель BERT для классификации текста, дообученная Ивой Мариновой на основе usmiva/bert-web-bg и опубликованная при участии института GATE в Софии. Она предназначена для задач классификации последовательностей на болгарском языке; конкретный набор классов и целевой сценарий карточка не уточняет. Модель содержит 136,3 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов.

Модель подходит для адаптации к прикладным задачам классификации болгарских текстов. Карточка не приводит сведения о данных обучения, метриках и известных ограничениях, поэтому качество на конкретных данных следует проверять отдельно. Лицензия в метаданных — CC BY 2.0.

Сценарии применения

  • Классификация болгарских текстов по заданным категориям
  • Определение тематических или тональных меток для болгарских предложений
  • Адаптация классификатора для болгароязычных текстовых данных

Ограничения

В карточке не приведены обучающие данные, метрики и результаты; целевой набор классов также не описан.

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 736моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for bert-deepfake-bg

This model is finetuned usmiva/bert-web-bg

Model Details

Model Description

  • Developed by: Iva Marinova
  • Shared by [optional]: The Big Data for Smart Society Institute (GATE), Bulgaria, Sofia
  • Model type: BERT
  • Language(s) (NLP): Bulgarian
  • License: [More Information Needed]
  • Finetuned from model [optional]: usmiva/bert-web-bg

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: TBA
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

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
BertForSequenceClassification
Ревизия весов
109780b

0 моделей

    Создать бенчмарк