/ Модель

Характеристики

Параметры
113 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
phobert-base-v2
Опубликована
17 окт 2025

phobert-v2-hsd

Классификация текстаТекст → label3 профессии

Модель классифицирует вьетнамские тексты как нейтральные, оскорбительные или содержащие язык ненависти.

358скачиваний за 30 дней0лайковвеса обновлены5 янв 2026

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

visolex/phobert-v2-hsd — модель классификации вьетнамского текста, созданная дообучением vinai/phobert-base-v2 на наборе ViHSD. Она относит сообщения к одному из трёх классов: нейтральный текст (CLEAN), оскорбительный или неприемлемый текст (OFFENSIVE) и язык ненависти, включая экстремистские высказывания и серьёзные угрозы (HATE). Модель основана на архитектуре PhoBERT V2, варианте RoBERTa с послоговой токенизацией, и содержит 113,2 млн параметров.

Модель предназначена для выявления оскорблений и языка ненависти во вьетнамских комментариях, в том числе при модерации материалов в социальных сетях. ViHSD включает около 10 тысяч таких комментариев. В README приведены результаты на тестовой выборке: accuracy 0,9341 и macro-F1 0,8048. Модель распространяется по лицензии MIT.

Сценарии применения

  • модерация вьетнамских комментариев в социальных сетях
  • выявление языка ненависти во вьетнамском тексте
  • поиск оскорбительных сообщений на вьетнамском языке
  • автоматическая сортировка вьетнамских сообщений по уровню агрессивности

Ограничения

Модель обучена на примерно 10 тысячах вьетнамских комментариев из ViHSD, поэтому её результаты на других жанрах и типах текста могут отличаться. На тестовой выборке macro-F1 составляет 0,8048, что указывает на менее равномерное качество между классами, чем можно предположить по общей точности.

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

PhoBERT V2: Hate Speech Detection for Vietnamese Text

This model is a fine-tuned version of vinai/phobert-base-v2 on the ViHSD (Vietnamese Hate Speech Detection Dataset) for classifying Vietnamese text into three categories: CLEAN, OFFENSIVE, and HATE.

Model Details

  • Base Model: vinai/phobert-base-v2
  • Description: PhoBERT V2 fine-tuned cho bài toán phân loại Hate Speech tiếng Việt
  • Architecture: PhoBERT-V2 (Phiên bản cải tiến của PhoBERT với tokenizer syllable-based)
  • Dataset: ViHSD (Vietnamese Hate Speech Detection Dataset)
  • Fine-tuning Framework: HuggingFace Transformers + PyTorch
  • Task: Hate Speech Classification (3 classes)

Hyperparameters

  • Batch size: 32
  • Learning rate: 2e-5
  • Epochs: 100
  • Max sequence length: 256
  • Weight decay: 0.01
  • Warmup steps: 500
  • Early stopping patience: 5
  • Optimizer: AdamW
  • Learning rate scheduler: Cosine with warmup

Dataset

Model was trained on ViHSD (Vietnamese Hate Speech Detection Dataset) containing ~10,000 Vietnamese comments from social media.

Label Descriptions:

  • CLEAN (0): Normal content without offensive language
  • OFFENSIVE (1): Mildly offensive or inappropriate content
  • HATE (2): Hate speech, extremist language, severe threats

Evaluation Results

The model was evaluated on test set with the following metrics:

  • Accuracy: 0.9341
  • Macro-F1: 0.8048
  • Weighted-F1: 0.9326
  • Macro-Precision: 0.8306
  • Macro-Recall: 0.7854

Basic Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# Load model and tokenizer
model_name = "visolex/phobert-v2-hsd"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(
    model_name
)

# Classify text
text = "Văn bản tiếng Việt cần phân loại"
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True)

with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
    predicted_label = torch.argmax(predictions, dim=-1).item()

# Label mapping
label_names = {
    0: "CLEAN",
    1: "OFFENSIVE",
    2: "HATE"
}

print(f"Predicted label: {label_names[predicted_label]}")
print(f"Confidence scores: {predictions[0].tolist()}")

Training Details

Training Data

  • Dataset: ViHSD (Vietnamese Hate Speech Detection Dataset)
  • Total samples: ~10,000 Vietnamese comments from social media
  • Training split: ~70%
  • Validation split: ~15%
  • Test split: ~15%

Training Configuration

  • Framework: PyTorch + HuggingFace Transformers
  • Optimizer: AdamW
  • Learning Rate: 2e-5
  • Batch Size: 32
  • Max Length: 256 tokens
  • Epochs: 100 (with early stopping patience: 5)
  • Weight Decay: 0.01
  • Warmup Steps: 500

Contact & Support

License

This model is distributed under the MIT License.

Acknowledgments


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
PhoBERTV2Model
Ревизия весов
221aca4

0 моделей