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

额外访问权限提示: 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。我们将于几个工作日内人工审核申请。
额外访问权限字段:
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-minor-v3

模型描述

基于xlm-roberta-large架构的微调模型，训练数据为多语言（英语、丹麦语、匈牙利语）文本，标注采用比较议程项目的次要主题编码。

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-minor-v3",  
    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，并启动独立的需求与设施审计。"  
pipe(text)  

受限访问说明

因访问限制，加载模型时需传入token参数。早期Transformers版本中可能需要改用use_auth_token参数。

模型性能

模型在15,349条英语测试样本（占英语数据20%）上评估：

• 准确率: 0.87
• 加权平均F1分数: 0.86

推理平台

本模型应用于CAP巴别塔机器——一个开源免费的自然语言处理工具，专为简化与加速比较研究项目设计。

合作邀约

通过扩展训练集可显著提升模型性能。我们诚挚欢迎任何领域/语言的CAP编码语料提交，请联系poltextlab{at}poltextlab{dot}com或使用CAP巴别塔机器。

故障排查

本架构使用sentencepiece分词器。在transformers==4.27之前版本运行时需手动安装该库。

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