T

Test Trainer To Hub

由 edbeeching 开发
基于bert-base-uncased在GLUE数据集上微调的文本分类模型,在MRPC任务上表现出色
下载量 17
发布时间 : 3/2/2022
模型介绍
内容详情
替代品

模型简介

该模型是基于bert-base-uncased预训练模型在GLUE数据集上微调的版本,专门用于文本分类任务,在MRPC(微软研究释义语料库)任务上取得了良好的性能表现。

模型特点

高准确率
在GLUE MRPC任务上达到84.56%的准确率
优秀F1值
在GLUE MRPC任务上F1值达到89.38%
基于BERT架构
基于强大的bert-base-uncased模型微调,继承了BERT的优秀特性

模型能力

文本分类
语义相似度判断
自然语言理解

使用案例

文本分析
句子对语义相似度判断
判断两个句子是否表达相同含义
准确率84.56%,F1值89.38%
文本分类
对文本内容进行分类