🚀 BatteryBERT-cased用于电池摘要分类

BatteryBERT-cased是一个专门用于电池摘要分类的语言模型，通过特定的训练数据和超参数设置，在文本分类任务中表现出色，能有效助力电池领域的文本处理工作。

🚀 快速开始

你可以参考示例代码来快速使用BatteryBERT-cased进行电池摘要分类任务。

✨ 主要特性

• 特定领域适配：专为电池领域的文本分类任务设计，基于batterybert-cased语言模型。
• 高性能表现：在验证集和测试集上分别取得了97.29%和96.85%的准确率。
• 易于使用：支持使用Hugging Face的transformers库进行调用。

📦 安装指南

文档未提及具体安装步骤，故跳过此章节。

💻 使用示例

基础用法

from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline
model_name = "batterydata/batterybert-cased-abstract"

# a) Get predictions
nlp = pipeline('text-classification', model=model_name, tokenizer=model_name)
input = {'The typical non-aqueous electrolyte for commercial Li-ion cells is a solution of LiPF6 in linear and cyclic carbonates.'}
res = nlp(input)

# b) Load model & tokenizer
model = AutoModelForSequenceClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

📚 详细文档

模型信息

超参数

batch_size = 32
n_epochs = 11
base_LM_model = "batterybert-cased"
learning_rate = 2e-5

性能表现

"Validation accuracy": 97.29,
"Test accuracy": 96.85,

🔧 技术细节

文档未提供具体技术实现细节，故跳过此章节。

📄 许可证

本项目采用Apache-2.0许可证。

👥 作者信息

• Shu Huang: sh2009 [at] cam.ac.uk
• Jacqueline Cole: jmc61 [at] cam.ac.uk

📖 引用信息

BatteryBERT: A Pre-trained Language Model for Battery Database Enhancement