标签:

• 由Keras回调生成 模型索引:
• 名称: CAP编码的美国国会法案 结果: [] 小部件:
• 文本: "一项禁止因种族、肤色、宗教、国籍或血统而在就业中歧视的法案" 示例标题: "示例1"
• 文本: "一项要求颁布法规以改善恶劣天气条件下的航空安全及其他目的的法案" 示例标题: "示例2"

该模型用于预测美国国会法案的议题类别。

模型基于1950年至2015年间约25万份美国国会法案进行训练。

议题编码方案遵循比较议程项目：https://www.comparativeagendas.net/pages/master-codebook

该模型区分大小写（对大小写敏感）

如有关于模型和训练数据的问题，欢迎通过Twitter联系我 - @sachary_

训练损失: 0.1318; 训练稀疏分类准确率: 0.9268; 验证损失: 0.2439; 验证稀疏分类准确率: 0.9161

训练过程中使用了以下超参数:

优化器: {'名称': 'Adam', '学习率': 5e-05, '衰减': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False} 训练精度: float32

训练超参数