metadata
language: es
license: apache-2.0
tags:
- generated_from_trainer
- es
- text-classification
- acoso
- twitter
- cyberbullying
datasets:
- hackathon-pln-es/Dataset-Acoso-Twitter-Es
metrics:
- accuracy
widget:
- text: >-
Que horrible como la farándula chilena siempre se encargaba de dejar mal a
las mujeres. Un asco
- text: >-
Hay que ser bien menestra para amenazar a una mujer con una llave de
ruedas. Viendo como se viste no me queda ninguna duda
- text: >-
más centrados en tener una sociedad reprimida y sumisa que en estudiar y
elaborar políticas de protección hacia las personas de mayor riesgo ante
el virus.
base_model: mrm8488/distilroberta-finetuned-tweets-hate-speech
model-index:
- name: Detección de acoso en Twitter
results: []
Detección de acoso en Twitter Español
This model is a fine-tuned version of mrm8488/distilroberta-finetuned-tweets-hate-speech on hackathon-pln-es/Dataset-Acoso-Twitter-Es.
It achieves the following results on the evaluation set:
- Loss: 0.1628
- Accuracy: 0.9167
UNL: Universidad Nacional de Loja
Miembros del equipo:
- Anderson Quizhpe
- Luis Negrón
- David Pacheco
- Bryan Requenes
- Paul Pasaca
Training procedure
Training hyperparameters
The following hyperparameters were used during training:
- learning_rate: 2e-05
- train_batch_size: 16
- eval_batch_size: 16
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- lr_scheduler_warmup_steps: 500
- num_epochs: 5
Training results
Training Loss | Epoch | Step | Validation Loss | Accuracy |
---|---|---|---|---|
0.6732 | 1.0 | 27 | 0.3797 | 0.875 |
0.5537 | 2.0 | 54 | 0.3242 | 0.9167 |
0.5218 | 3.0 | 81 | 0.2879 | 0.9167 |
0.509 | 4.0 | 108 | 0.2606 | 0.9167 |
0.4196 | 5.0 | 135 | 0.1628 | 0.9167 |
Framework versions
- Transformers 4.17.0
- Pytorch 1.10.0+cu111
- Datasets 2.0.0
- Tokenizers 0.11.6