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