语言:

• 英语 标签:
• 正式度 数据集:
• GYAFC
• Pavlick-Tetreault-2016 许可证: cc-by-nc-sa-4.0

该模型经过训练，能够预测英语句子是正式还是非正式。

基础模型: roberta-base

数据集: 来自Rao和Tetreault, 2018的GYAFC，以及来自Pavlick和Tetreault, 2016的在线正式度语料库。

数据增强: 将文本转换为大写或小写；移除所有标点符号，在句末添加句点。采用此方法是因为若不如此，模型会过度依赖标点符号和大小写，而忽视其他特征。

损失函数: 二元分类（针对GYAFC数据），批内排序（针对PT数据）。

测试数据上的性能指标:

引用

如果您在研究中使用了该模型，请引用介绍该模型的论文:

@InProceedings{10.1007/978-3-031-35320-8_4,
  作者="Babakov, Nikolay
  和 Dale, David
  和 Gusev, Ilya
  和 Krotova, Irina
  和 Panchenko, Alexander",
  编辑="Métais, Elisabeth
  和 Meziane, Farid
  和 Sugumaran, Vijayan
  和 Manning, Warren
  和 Reiff-Marganiec, Stephan",
  标题="意译时勿失原意：内容保持型风格转换研究",
  书名="自然语言处理与信息系统",
  年份="2023",
  出版社="Springer Nature Switzerland",
  地址="Cham",
  页码="47--61",
  isbn="978-3-031-35320-8"
}

许可信息

知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议。