bank-transactions-statements-classificationオープンソース分類器 - 無料でデプロイしてフランス語の銀行取引明細の正確な分類を実現

ホーム

Bank Transactions Statements Classification

moctarsmalによって開発

Flaubert小型フランス語モデルをファインチューニングした銀行取引明細分類器

テキスト分類

Transformers

オープンソースライセンス:MIT #金融テキスト分類 #フランス語事前学習ファインチューニング #取引明細分析

ダウンロード数 85

リリース時間 : 10/11/2023

モデル概要

このモデルは銀行取引明細の分類に特化しており、Flaubert小型フランス語モデルをファインチューニングしており、評価セットで76.83%の精度を達成しています。

モデル特徴

高精度分類

銀行取引明細分類タスクで76.83%の精度を達成

フランス語最適化

フランス語事前学習モデルFlaubertをファインチューニング

軽量モデル

小型モデルアーキテクチャを採用し、リソースが限られた環境に適しています

モデル能力

銀行取引分類

フランス語テキスト処理

金融テキスト分析

使用事例

銀行業務

取引明細自動分類

銀行取引明細を事前定義されたカテゴリに自動分類

精度76.83%

財務データ分析

財務データの自動分類と分析をサポート

🚀 銀行取引明細分類

このモデルは、flaubert/flaubert_small_cased をNoneデータセットでファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

損失: 1.0458
正解率: 0.7683
F1マクロ: 0.7945
F1加重平均: 0.7635

🚀 クイックスタート

このモデルは銀行取引明細の分類タスクに使用できます。元のモデルをファインチューニングして、特定のデータセットに適応させています。

📚 ドキュメント

モデルの詳細

このモデルは flaubert/flaubert_small_cased のファインチューニングバージョンです。

想定される用途と制限

詳細な情報は今後の更新で追加予定です。

学習と評価データ

詳細な情報は今後の更新で追加予定です。

学習手順

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは以下の通りです。

学習率: 2e-05
学習バッチサイズ: 32
評価バッチサイズ: 32
シード: 42
オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
学習率スケジューラの種類: 線形
エポック数: 15

学習結果

学習損失	エポック	ステップ	検証損失	正解率	F1マクロ	F1加重平均
No log	0.29	50	3.6955	0.1012	0.0238	0.0880
No log	0.58	100	3.2965	0.2150	0.0569	0.1598
No log	0.87	150	3.1122	0.2530	0.0833	0.1889
No log	1.16	200	2.6838	0.3622	0.1800	0.3051
No log	1.45	250	2.5128	0.3808	0.1938	0.3139
No log	1.74	300	2.1573	0.4913	0.3241	0.4522
No log	2.03	350	2.0208	0.5220	0.3910	0.4832
No log	2.33	400	2.0454	0.5053	0.4090	0.4613
No log	2.62	450	1.7601	0.5599	0.4682	0.5303
3.1338	2.91	500	1.6837	0.5965	0.5489	0.5736
3.1338	3.2	550	1.6337	0.5885	0.5744	0.5609
3.1338	3.49	600	1.4553	0.6491	0.6219	0.6322
3.1338	3.78	650	1.4483	0.6531	0.6441	0.6345
3.1338	4.07	700	1.4108	0.6625	0.6810	0.6522
3.1338	4.36	750	1.3241	0.6924	0.6999	0.6769
3.1338	4.65	800	1.3254	0.6824	0.6960	0.6703
3.1338	4.94	850	1.3349	0.6937	0.6952	0.6759
3.1338	5.23	900	1.2264	0.7057	0.7157	0.6931
3.1338	5.52	950	1.3012	0.6891	0.7061	0.6748
1.6259	5.81	1000	1.2756	0.7071	0.7224	0.6925
1.6259	6.1	1050	1.1432	0.7317	0.7440	0.7267
1.6259	6.4	1100	1.2014	0.7290	0.7434	0.7161
1.6259	6.69	1150	1.1029	0.7483	0.7656	0.7367
1.6259	6.98	1200	1.1643	0.7310	0.7470	0.7227
1.6259	7.27	1250	1.1112	0.7477	0.7561	0.7371
1.6259	7.56	1300	1.1662	0.7350	0.7668	0.7254
1.6259	7.85	1350	1.0756	0.7577	0.7823	0.7530
1.6259	8.14	1400	1.1390	0.7403	0.7657	0.7318
1.6259	8.43	1450	1.1555	0.7437	0.7637	0.7377
1.092	8.72	1500	1.1086	0.7437	0.7686	0.7384
1.092	9.01	1550	1.0789	0.7510	0.7780	0.7427
1.092	9.3	1600	1.0613	0.7543	0.7823	0.7492
1.092	9.59	1650	1.0750	0.7477	0.7701	0.7382
1.092	9.88	1700	1.1412	0.7423	0.7772	0.7349
1.092	10.17	1750	1.0580	0.7617	0.7918	0.7549
1.092	10.47	1800	1.0667	0.7670	0.7856	0.7580
1.092	10.76	1850	1.1344	0.7403	0.7757	0.7332
1.092	11.05	1900	1.0808	0.7603	0.7944	0.7571
1.092	11.34	1950	1.0367	0.7690	0.7932	0.7655
0.9029	11.63	2000	1.0921	0.7577	0.7861	0.7504
0.9029	11.92	2050	1.0833	0.7603	0.7912	0.7541
0.9029	12.21	2100	1.0523	0.7716	0.7968	0.7662
0.9029	12.5	2150	1.0467	0.7683	0.7939	0.7614
0.9029	12.79	2200	1.0515	0.7703	0.7987	0.7667
0.9029	13.08	2250	1.0604	0.7696	0.8020	0.7654
0.9029	13.37	2300	1.0900	0.7716	0.8002	0.7663
0.9029	13.66	2350	1.0348	0.7743	0.8009	0.7686
0.9029	13.95	2400	1.0495	0.7656	0.7929	0.7610
0.9029	14.24	2450	1.0411	0.7670	0.7956	0.7624
0.7924	14.53	2500	1.0458	0.7683	0.7945	0.7635
0.7924	14.83	2550	1.0401	0.7696	0.7982	0.7649