许可证: MIT
语言:

• 多语言
  标签:
• 零样本分类
• 文本分类
• PyTorch
  评估指标:
• F1分数

额外访问提示:
我们的模型仅供学术使用。若您非学术机构成员，请说明使用理由。我们将于数个工作日内手动审核申请。

额外访问字段:
姓名: 文本
国家: 国家
机构: 文本
机构邮箱: 文本
请说明学术用途: 文本

xlm-roberta-large-pooled-cap-media-minor

模型描述

基于xlm-roberta-large模型，针对多语言（英语、丹麦语）训练数据进行微调，数据标注采用比较议程项目的次要主题代码。此外，我们还添加了以下7个媒体代码：

• 州和地方政府管理 (24)
• 天气与自然灾害 (26)
• 火灾 (27)
• 体育与娱乐 (29)
• 讣告 (30)
• 教会与宗教 (31)
• 其他、杂项及人情趣事 (99)

使用方法

from transformers import AutoTokenizer, pipeline  

tokenizer = AutoTokenizer.from_pretrained("xlm-roberta-large")  
pipe = pipeline(  
    model="poltextlab/xlm-roberta-large-pooled-cap-media-minor",  
    task="text-classification",  
    tokenizer=tokenizer,  
    use_fast=False,  
    truncation=True,  
    max_length=512,  
    token="<您的HF只读令牌>"  
)  

text = "我们将立即实施为期6个月的床位和病房财务驱动关闭禁令，并启动对需求和设施的独立审计。"  
pipe(text)  

受限访问

由于访问受限，加载模型时必须传递token参数。在早期版本的Transformers包中，可能需要改用use_auth_token参数。

模型性能

模型在91,331个测试样本上评估：

• 加权平均F1分数: 0.68

合作

通过扩展训练集可显著提升模型性能。欢迎通过poltextlab{at}poltextlab{dot}com或CAP巴别塔机器提交任何语言/领域的CAP编码语料。

调试与问题

该架构使用sentencepiece分词器。在transformers==4.27版本之前运行模型需手动安装。

若通过from_pretrained()加载模型时遇到RuntimeError，添加ignore_mismatched_sizes=True参数可解决问题。