Few Shot Learning Classification Bert Sm 500

🚀 オートトレインを使用してトレーニングされたモデル

このモデルはオートトレインを使用してトレーニングされ、テキスト分類問題を解決するために設計されています。

🚀 クイックスタート

このモデルは、テキスト分類の問題を解決するためにオートトレインを使用してトレーニングされました。以下の情報が提供されています。

✨ 主な機能

• タグ: autotrain、text - classification
• ウィジェット: サンプルテキスト "I love AutoTrain"
• データセット: few - shot - learning - classification - bert - sm - 500/autotrain - data

📚 ドキュメント

公開者情報

• 公開者: PRAVIN SURESH TAWADE
• 共同公開者: Dr.JAYA KRISHNA GUTHA

検証指標

データの詳細

AG Newsデータセットを用いたフェデレーション・ショット・テキスト分類の潜在的なビジネスアプリケーションの1つは、メディアおよびコンテンツ会社にあります。これらの会社は、この技術を実装して、世界、スポーツ、ビジネス、テクノロジーなどのトピックに関するニュース記事を最小限のラベル付きデータで分類することができます。このフェデレーション・ショット・モデルのアプリケーションにより、ニュースコンテンツの管理と検索が効率的になり、ユーザーのパーソナライズされたニュースフィードに対する満足度が向上します。さらに、このようなモデルにより、これらの会社は、動的な産業における新しいカテゴリや急速に出現するトピックに対して、分類を迅速に調整することができます。

ソース材料の繰り返しが自分の適応結果の評価に影響を与える可能性があると考え、コース中に遭遇した同じデータを使用することを避けたいと思います。したがって、各クラスに利用可能なラベル付きサンプルの数が限られている多様なテキストデータセットを選択したいと思います。さらに、モデルの有効性を評価するために、ドキュメントのドメインとタイプを変えることを検討します。作業はデータセットの選択から始まり、選択したのはHugging FaceでアクセスできるAGのニュースコーパスです。この研究では、このニュース記事のコレクションを使用し、世界、スポーツ、ビジネス、科学/技術の4つの主要なクラスに分けています。データセットのサイズは以下の通りです。各クラスについて、30,000個のトレーニングサンプルと1,900個のテストサンプルがあります。

• データセットサイズ: 31.3 MB

• データ分割: 127600行

• データフィールド:

  • テキスト: 文字列で表される特徴。
  • ラベル: 世界 (0)、スポーツ (1)、ビジネス (2)、科学/技術 (3) からなる分類ラベルのセット。