Xlm Roberta Large English Cap Minor Platforms

🚀 xlm-roberta-large-english-cap-minor-platforms

このモデルは、Comparative Agendas Project からの minor topic codes でラベル付けされた英語のトレーニングデータを使用して、xlm - roberta - large モデルをファインチューニングしたものです。主にゼロショット分類やテキスト分類に利用できます。

🚀 クイックスタート

モデルの使用方法

from transformers import AutoTokenizer, pipeline

tokenizer = AutoTokenizer.from_pretrained("xlm-roberta-large")
pipe = pipeline(
    model="poltextlab/xlm-roberta-large-english-cap-minor-platforms",
    task="text-classification",
    tokenizer=tokenizer,
    use_fast=False,
    token="<your_hf_read_only_token>"
)

text = "We will place an immediate 6-month halt on the finance driven closure of beds and wards, and set up an independent audit of needs and facilities."
pipe(text)

ゲート付きアクセス

ゲート付きアクセスのため、モデルをロードする際に token パラメータを渡す必要があります。Transformers パッケージの以前のバージョンでは、代わりに use_auth_token パラメータを使用する必要がある場合があります。

✨ 主な機能

• ゼロショット分類、テキスト分類に対応
• PyTorchベースのモデル
• 精度とF1スコアで評価されたモデル

📚 ドキュメント

モデルの性能

モデルは8922のサンプル（利用可能なデータの20％）からなるテストセットで評価されました。

• 精度: 0.39
• 加重平均F1スコア: 0.3

推論プラットフォーム

このモデルは、比較研究のプロジェクトを簡素化し高速化するために設計されたオープンソースで無料の自然言語処理ツールである CAP Babel Machine で使用されています。

協力

モデルの性能はトレーニングセットを拡張することで大幅に向上させることができます。CAPコード化されたコーパス（任意のドメインや言語）の提出を、poltextlab{at}poltextlab{dot}com または CAP Babel Machine を通じて歓迎しています。

デバッグと問題点

このアーキテクチャは sentencepiece トークナイザーを使用しています。transformers==4.27 以前のバージョンでモデルを実行するには、手動でインストールする必要があります。

from_pretrained() メソッドを使用してモデルをロードする際に RuntimeError が発生した場合は、ignore_mismatched_sizes=True を追加することで問題が解決するはずです。

📄 ライセンス

このモデルはMITライセンスの下で提供されています。

⚠️ 重要提示

当社のモデルは学術用途のみを目的としています。学術機関に所属していない場合は、当社のモデルを使用する理由を提示してください。サブスクリプションの手動レビューには数営業日かかる場合があります。

💡 使用建议

モデルを使用する際は、ゲート付きアクセスのトークンを正しく設定するようにしてください。また、古いバージョンのTransformersパッケージを使用する場合は、use_auth_token パラメータの使用を検討してください。