license: apache-2.0 base_model: bert-large-uncased tags:

• 成人文本分类
• 成人内容
• 成人 metrics:
• 准确率 model-index:
• name: bert-large-uncased-Adult-Text-Classifier results: [] datasets:
• valurank/Adult-content-dataset language:
• en pipeline_tag: text-classification

bert-large-uncased-Adult-Text-Classifier

该模型是基于bert-large-uncased在valurank/Adult-content-dataset数据集上微调而成的版本。它经过训练，能够将文本分类为与成人内容相关的类别。 在评估集上取得了以下结果：

• 损失值：0.1257
• 准确率：0.9824

模型描述

该模型基于BERT（双向编码器表示转换器），具体来说是不区分大小写的版本。通过使用成人内容数据集进行微调，能够准确地对文本进行分类。

预期用途与限制

该模型可用于需要识别文本中成人内容的各种应用场景，如内容过滤、审核系统或家长控制。但需要注意的是，任何模型都不是完美的，该模型在分类时仍可能出现错误。此外，模型的性能可能会因文本的上下文和语言使用而有所不同。

训练与评估数据

该模型在Valurank成人内容数据集上进行训练，该数据集包含标记为成人内容和非成人内容的文本数据集合。训练时使用了80%的数据进行训练，其余用于验证。

训练过程

训练超参数

训练过程中使用的超参数如下：

• 学习率：2e-05
• 训练批次大小：16
• 评估批次大小：16
• 随机种子：42
• 优化器：Adam，参数为betas=(0.9,0.999)和epsilon=1e-08
• 学习率调度器类型：线性
• 训练轮数：10

训练结果

框架版本

• Transformers 4.35.2
• Pytorch 2.1.0+cu121
• Datasets 2.16.1
• Tokenizers 0.15.0

本模型卡概述了模型的架构、训练过程和性能指标，为有兴趣使用或进一步了解bert-large-uncased-Adult-Text-Classifier模型能力与局限性的用户提供参考。