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:
• 准确率
• F1分数 额外授权提示: 我们的模型仅供学术用途。如您非学术机构成员，请说明使用理由。我们将于数个工作日内人工审核申请。 额外授权字段: 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-twitter-cap-minor

模型描述

基于xlm-roberta-large架构的模型，在标有Comparative Agendas Project 次要主题编码的多语言（英语、丹麦语、匈牙利语）训练数据上微调而成。

使用方法

from transformers import AutoTokenizer, pipeline

tokenizer = AutoTokenizer.from_pretrained("xlm-roberta-large")
pipe = pipeline(
    model="poltextlab/xlm-roberta-large-twitter-cap-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个月的财务驱动病床和病房关闭禁令，并设立独立的需求与设施审计。"
pipe(text)

受限访问

由于访问限制，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15,349个英语测试样本（占英语数据的20%）上评估：

• 准确率: 0.67
• 加权平均F1分数: 0.61

合作邀约

通过扩展我们的训练集可显著提升模型性能。欢迎通过poltextlab{at}poltextlab{dot}com或使用CAP Babel Machine提交任何领域/语言的CAP编码语料。

调试说明

本架构使用sentencepiece分词器。在transformers==4.27版本前运行模型需手动安装该组件。

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