许可证: mit
语言:

• 多语言
  标签:
• 零样本分类
• 文本分类
• pytorch
  评估指标:
• 准确率
• F1分数

示例输入:

• 文本: "我们将立即实施为期6个月的财务驱动病床和病房关闭暂停，并设立独立的需求与设施审计。"
• 文本: "联邦与地方当局在社会政策领域的职权划分应通过中央与联邦主体签署关于社会政策原则、目标及机制的特殊协议来完成。"
• 文本: "所有地方性或略超出地方范围的事务都试图转嫁至国家层面处理。"
• 文本: "从社会经济角度看，该政权活动的结果是，亚美尼亚最富裕的10个家庭资产市值占国内生产总值的54.7%。"
• 文本: "换言之，完全私有且无政治关联的企业广告资金无法影响媒体市场，原因有二：一是规模过小（这些企业的增长受限于国有优先企业的扩张），二是其广告不携带隐藏动机或议程——因其纯粹从事商业而非政治活动。"
• 文本: "2009至2010年间设计并实施了新GAZELE项目，据此发放了79笔共计3,657,534欧元的补助。"
• 文本: "包容不包含必须容忍不包容或反社会行为的义务。"
• 文本: "通过高效的区域政策促进企业吸引劳动力与劳动力流向企业的双向流动，同时提升劳动力的职业与地域流动性。"
• 文本: "通过行政体系与薪酬制度的合理化"
• 文本: "从1980年代初约18名儿童增至2013年的40.4名儿童。"

访问权限字段:
姓名: 文本
国家: 国家
机构: 文本
机构邮箱: 文本
学术用途说明: 文本

权限申请提示: 本模型仅供学术使用。若非学术机构用户，需说明使用理由。我们将于数个工作日内人工审核申请。

xlm-roberta-large-manifesto

模型描述

基于多语言训练数据微调的xlm-roberta-large模型，标注体系采用宣言项目编码方案。
本模型使用2020b版（2020年12月23日）宣言项目数据集代码手册。

使用方法

from transformers import AutoTokenizer, pipeline  

tokenizer = AutoTokenizer.from_pretrained("xlm-roberta-large")  
pipe = pipeline(  
    model="poltextlab/xlm-roberta-large-manifesto",  
    task="text-classification",  
    tokenizer=tokenizer,  
    use_fast=False,  
    token="<您的HF只读令牌>"  
)  

text = "我们将立即实施为期6个月的财务驱动病床和病房关闭暂停，并设立独立的需求与设施审计。"  
pipe(text)  

受限访问

因访问限制，加载模型时需传递token参数。在早期Transformers版本中，可能需要改用use_auth_token参数。

模型性能

模型在305,141条测试样本上评估，采用分层随机划分（每标签20%数据）。
指标（精确率、召回率、F1值为加权宏平均）:

分语言性能:

问题排查

该架构使用sentencepiece分词器。若transformers版本低于4.27，需手动安装该组件。