Sloberta Frenk Hate

🚀 テキスト分類モデル

このモデルは、EMBEDDIA/slobertaをベースに、LGBTや移民に対するヘイトスピーチを含むFRENKデータセットでファインチューニングされたテキスト分類モデルです。ファインチューニングにはデータのスロベニア語部分のみが使用され、データセットは二値分類（攻撃的または許容可能）のために再ラベル付けされています。

🚀 クイックスタート

このモデルは、特定のデータセットでファインチューニングされたテキスト分類モデルです。以下のセクションでは、ファインチューニングのハイパーパラメータ、モデルの性能、使用例、引用情報などを説明します。

🔧 技術詳細

ファインチューニングのハイパーパラメータ

ファインチューニングはsimpletransformersを使用して行われました。事前に簡単なハイパーパラメータ最適化が行われ、推定された最適なハイパーパラメータは以下の通りです。

model_args = {
        "num_train_epochs": 14,
        "learning_rate": 1e-5,
        "train_batch_size": 21,
        }

性能

比較のために、同じパイプラインを他の2つのトランスフォーマーモデルとfasttextで実行しました。6回のファインチューニングセッションそれぞれの正解率とマクロF1スコアを記録し、事後分析を行いました。

記録された正解率とマクロF1スコアから、p値も計算されました。

crosloengual-bertとの比較

xlm-roberta-baseとの比較

💻 使用例

基本的な使用法

from simpletransformers.classification import ClassificationModel
model_args = {
        "num_train_epochs": 6,
        "learning_rate": 3e-6,
        "train_batch_size": 69}

model = ClassificationModel(
    "camembert", "5roop/sloberta-frenk-hate", use_cuda=True,
    args=model_args
    
)

predictions, logit_output = model.predict(["Silva, ti si grda in neprijazna", "Naša hiša ima dimnik"])
predictions
### 出力:
### array([1, 0])

📄 ライセンス

このプロジェクトはCC BY - SA 4.0ライセンスの下で公開されています。

📚 引用

このモデルを使用する場合は、元のモデルが基づいている以下の論文と、ファインチューニングに使用されたデータセットを引用してください。

@article{DBLP:journals/corr/abs-1907-11692,
  author    = {Yinhan Liu and
               Myle Ott and
               Naman Goyal and
               Jingfei Du and
               Mandar Joshi and
               Danqi Chen and
               Omer Levy and
               Mike Lewis and
               Luke Zettlemoyer and
               Veselin Stoyanov},
  title     = {RoBERTa: {A} Robustly Optimized {BERT} Pretraining Approach},
  journal   = {CoRR},
  volume    = {abs/1907.11692},
  year      = {2019},
  url       = {http://arxiv.org/abs/1907.11692},
  archivePrefix = {arXiv},
  eprint    = {1907.11692},
  timestamp = {Thu, 01 Aug 2019 08:59:33 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1907-11692.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

@misc{ljubešić2019frenk,
      title={The FRENK Datasets of Socially Unacceptable Discourse in Slovene and English}, 
      author={Nikola Ljubešić and Darja Fišer and Tomaž Erjavec},
      year={2019},
      eprint={1906.02045},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/1906.02045}
}