Dutch BertForSequenceClassification Cased model (from Jeska)

Description

Pretrained BertForSequenceClassification model, adapted from Hugging Face and curated to provide scalability and production-readiness using Spark NLP. VaccinChatSentenceClassifierDutch_fromBERTje2_DAdialogQonly09 is a Dutch model originally trained by Jeska.

Predicted Entities

faq_ask_astrazeneca, faq_ask_kinderen, faq_ask_risicopatient_kanker, faq_ask_begeleiding, faq_ask_vakantie, faq_ask_eerste_prik_buitenland, faq_ask_mantelzorger, faq_ask_waarom_ouderen_eerst, faq_ask_corona_vermijden, faq_ask_janssen_een_dosis, faq_ask_risicopatient_luchtwegaandoening, faq_ask_wie_nu, faq_ask_probleem_registratie, faq_ask_hersenziekte, faq_ask_twijfel_effectiviteit, faq_ask_auto-immuun, faq_ask_buitenlander, faq_ask_prioritaire_gropen, faq_ask_astrazeneca_bij_ouderen, faq_ask_tweede_dosis_afspraak, faq_ask_iedereen, faq_ask_vaccine_covid_gehad, faq_ask_algemeen_info, faq_ask_astrazeneca_prik_2, faq_ask_man_vrouw_verschillen, faq_ask_twijfel_ontwikkeling, faq_ask_janssen, faq_ask_keuze_vaccinatiecentrum, faq_ask_logistiek_veilig, faq_ask_wat_is_vaccin, chitchat_ask_name, faq_ask_zwanger, faq_ask_wat_na_vaccinatie, faq_ask_duur_vaccinatie, nlu_fallback, faq_ask_risicopatient_immuunziekte, faq_ask_vrijwilliger, faq_ask_huisdieren, faq_ask_hoeveel_dosissen, faq_ask_waarom_twee_prikken, faq_ask_groepsimmuniteit, faq_ask_risicopatient, faq_ask_bijwerking_JJ, faq_ask_onvruchtbaar, faq_ask_keuze, faq_ask_alternatieve_medicatie, faq_ask_kosjer_halal, faq_ask_snel_ontwikkeld, faq_ask_chronisch_ziek, faq_ask_tweede_dosis_vervroegen, faq_ask_wie_is_risicopatient, faq_ask_complottheorie_5G, faq_ask_gezondheidstoestand_gekend, chitchat_ask_hi_fr, faq_ask_besmetten_na_vaccin, faq_ask_logistiek, faq_ask_autisme_na_vaccinatie, faq_ask_bijsluiter, faq_ask_corona_is_griep, faq_ask_aantal_gevaccineerd, faq_ask_betalen_voor_vaccin, faq_ask_vaccinatiecentrum, faq_ask_wilsonbekwaam, test, faq_ask_huisarts, faq_ask_moderna, faq_ask_bijwerking_algemeen, faq_ask_covid_door_vaccin, faq_ask_hoe_weet_overheid, faq_ask_uitnodiging_na_vaccinatie, faq_ask_verschillen, faq_ask_vrijwillig_Janssen, chitchat_ask_hi_de, faq_ask_betrouwbaar, faq_ask_wanneer_algemene_bevolking, faq_ask_andere_vaccins, faq_ask_geen_uitnodiging, faq_ask_allergisch_na_vaccinatie, chitchat_ask_bye, faq_ask_qvax_probleem, faq_ask_vaccin_doorgeven, faq_ask_vaccin_immuunsysteem, faq_ask_welke_vaccin, faq_ask_hoe_dodelijk, faq_ask_geen_antwoord, faq_ask_jong_en_gezond, faq_ask_twijfel_ivm_vaccinatie, faq_ask_eerst_weigeren, faq_ask_reproductiegetal, faq_ask_waarom_niet_verplicht, faq_ask_test_voor_vaccin, faq_ask_taxi, faq_ask_waarom_twijfel, faq_ask_wie_ben_ik, chitchat_ask_hi, faq_ask_uit_flacon, faq_ask_risicopatient_diabetes, faq_ask_privacy, faq_ask_wanneer_iedereen_gevaccineerd, faq_ask_tijd_tot_tweede_dosis, faq_ask_borstvoeding, get_started, faq_ask_contra_ind, faq_ask_trage_start, faq_ask_aantal_gevaccineerd_wereldwijd, faq_ask_twijfel_praktisch, faq_ask_waarom, faq_ask_bijwerking_lange_termijn, faq_ask_naaldangst, faq_ask_ontwikkeling, faq_ask_wat_is_rna, faq_ask_mondmasker, faq_ask_twijfel_bijwerkingen, faq_ask_twijfel_vaccins_zelf, faq_ask_uitnodiging_afspraak_kwijt, faq_ask_hartspierontsteking, faq_ask_astrazeneca_bloedklonters, faq_ask_pfizer, faq_ask_twijfel_noodzaak, faq_ask_wie_doet_inenting, faq_ask_curevac, faq_ask_welk_vaccin_krijg_ik, faq_ask_bloed_geven, faq_ask_dna, faq_ask_planning_ouderen, faq_ask_pijnstiller, faq_ask_mrna_vs_andere_vaccins, faq_ask_nadelen, faq_ask_beschermen, faq_ask_gestockeerd, faq_ask_gif_in_vaccin, faq_ask_twijfel_inhoud, faq_ask_vaccine_covid_gehad_effect, faq_ask_veelgestelde_vragen, faq_ask_info_vaccins, faq_ask_vaccin_variant, faq_ask_vegan, faq_ask_bijwerking_pfizer, faq_ask_planning_eerstelijnszorg, faq_ask_timing_andere_vaccins, chitchat_ask_hoe_gaat_het, faq_ask_twijfel_vrijheid, faq_ask_risicopatient_hartvaat, faq_ask_beschermingsduur, faq_ask_betrouwbare_bronnen, faq_ask_smaakverlies, faq_ask_waar_en_wanneer, faq_ask_derde_prik, faq_ask_afspraak_gemist, faq_ask_motiveren, faq_ask_positieve_test_na_vaccin, faq_ask_beschermingspercentage, faq_ask_magnetisch, faq_ask_problemen_uitnodiging, faq_ask_experimenteel, chitchat_ask_hi_en, faq_ask_bijwerking_moderna, faq_ask_meer_bijwerkingen_tweede_dosis, faq_ask_testen, faq_ask_nuchter, faq_ask_quarantaine, faq_ask_essentieel_beroep, faq_ask_bijwerking_AZ, faq_ask_sneller_aan_de_beurt, faq_ask_complottheorie_Bill_Gates, faq_ask_complottheorie, faq_ask_afspraak_afzeggen, faq_ask_minder_mobiel, faq_ask_combi, faq_ask_maximaal_een_dosis, faq_ask_phishing, faq_ask_goedkeuring, faq_ask_verplicht, faq_ask_geen_risicopatient, faq_ask_attest, chitchat_ask_thanks, faq_ask_leveringen, faq_ask_oplopen_vaccinatie, faq_ask_wat_is_corona, faq_ask_foetus, faq_ask_in_vaccin

Live Demo Open in Colab Download Copy S3 URI

How to use

documentAssembler = DocumentAssembler() \
        .setInputCol("text") \
        .setOutputCol("document")

tokenizer = Tokenizer() \
    .setInputCols("document") \
    .setOutputCol("token")

sequenceClassifier_loaded = BertForSequenceClassification.pretrained("bert_classifier_vaccinchatsentenceclassifierdutch_frombertje2_dadialogqonly09","nl") \
    .setInputCols(["document", "token"]) \
    .setOutputCol("class")

pipeline = Pipeline(stages=[documentAssembler, tokenizer,sequenceClassifier_loaded])

data = spark.createDataFrame([["Ik hou van Spark NLP"]]).toDF("text")

result = pipeline.fit(data).transform(data)

val documentAssembler = new DocumentAssembler() 
          .setInputCol("text") 
          .setOutputCol("document")

val tokenizer = new Tokenizer() 
    .setInputCols(Array("document"))
    .setOutputCol("token")

val sequenceClassifier_loaded = BertForSequenceClassification.pretrained("bert_classifier_vaccinchatsentenceclassifierdutch_frombertje2_dadialogqonly09","nl") 
    .setInputCols(Array("document", "token")) 
    .setOutputCol("class")

val pipeline = new Pipeline().setStages(Array(documentAssembler, tokenizer,sequenceClassifier_loaded))

val data = Seq("Ik hou van Spark NLP").toDF("text")

val result = pipeline.fit(data).transform(data)

import nlu
nlu.load("nl.classify.bert.frombertje2_dadialogqonly09.by_jeska").predict("""Ik hou van Spark NLP""")

Model Information

References

• https://huggingface.co/Jeska/VaccinChatSentenceClassifierDutch_fromBERTje2_DAdialogQonly09