/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Архитектура
roberta · dense
Опубликована
30 мар 2022

autotrain-security-texts-classification-roberta-688020754

Классификация текстаТекст → label3 профессии

Бинарный классификатор RoBERTa для отнесения текстов о безопасности к одному из двух классов.

29скачиваний за 30 дней10лайковвеса обновлены30 мар 2022

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

Это модель бинарной классификации текстов, созданная с помощью AutoTrain на базе архитектуры RoBERTa. Она предназначена для отнесения текста к одному из двух классов в задаче классификации текстов о безопасности; репозиторий связан с обучающим набором vlsb/autotrain-data-security-texts-classification-roberta. Модель содержит 151,8 млн параметров, принимает текст и выдаёт метку класса. Длина контекста составляет 514 токенов.

На валидации указаны accuracy 0,893 и F1 0,907; эти показатели характеризуют только использованный набор данных и не гарантируют качество на других текстах. В README не приведены названия классов и лицензия, поэтому их нельзя уточнить.

Сценарии применения

  • Классификация текстов о безопасности на два класса
  • Автоматическая сортировка сообщений по категории безопасности
  • Разметка текстовых записей для последующего анализа

Ограничения

README не раскрывает значения двух классов. Метрики получены на валидационном наборе и могут не отражать качество на данных другого происхождения.

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

Model Trained Using AutoTrain

  • Problem type: Binary Classification
  • Model ID: 688020754
  • CO2 Emissions (in grams): 3.1151249696839685

Validation Metrics

  • Loss: 0.2810373902320862
  • Accuracy: 0.8928571428571429
  • Precision: 0.9272727272727272
  • Recall: 0.8869565217391304
  • AUC: 0.9500805152979066
  • F1: 0.9066666666666666

Usage

You can use cURL to access this model:

$ curl -X POST -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"inputs": "I love AutoTrain"}' https://api-inference.huggingface.co/models/vlsb/autotrain-security-texts-classification-roberta-688020754

Or Python API:

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("vlsb/autotrain-security-texts-classification-roberta-688020754", use_auth_token=True)

tokenizer = AutoTokenizer.from_pretrained("vlsb/autotrain-security-texts-classification-roberta-688020754", use_auth_token=True)

inputs = tokenizer("I love AutoTrain", return_tensors="pt")

outputs = model(**inputs)

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
75f0598

0 моделей