Customer Reviews Classification

🚀 クイックスタート

この微調整されたDistilBERTモデルは、ドキュメント分類に特化して設計されています。このモデルは、顧客のフィードバックを6つの事前定義されたカテゴリに分類します。

✨ 主な機能

• ドキュメントを6つのカテゴリに分類する機能。
• DistilBERTのトランスフォーマーベースのアーキテクチャを利用し、文章の構文パターンを効率的に処理する。

📦 インストール

インストール手順に関する情報は提供されていません。

💻 使用例

基本的な使用法

from transformers import pipeline

classifier = pipeline("text-classification", model="dnzblgn/Customer-Reviews-Classification")
result = classifier("The product arrived on time and was exactly as described.")
print(result)

📚 ドキュメント

カテゴリ

label_mapping = {
    "shipping_and_delivery": 0,
    "customer_service": 1,
    "price_and_value": 2,
    "quality_and_performance": 3,
    "use_and_design": 4,
    "other": 5
}

モデルの説明

この微調整されたDistilBERTモデルは、ドキュメント分類に特化して設計されています。顧客のフィードバックを6つの事前定義されたカテゴリ（配送、顧客サービス、価格と価値、品質と性能、使用と設計、その他）に分類します。DistilBERTのトランスフォーマーベースのアーキテクチャを利用することで、このモデルは文章の構文パターンを効率的に処理し、内容、スタイル、構造に基づいて正確なドキュメント分類を提供します。

バイアス、リスク、制限事項

このモデルは6つのカテゴリ全体で高い精度を達成していますが、重複するカテゴリや単一のドキュメント内に複数のラベルが含まれる場合には制限があります。このモデルは単一ラベル分類用に設計されており、つまり、1つのドキュメントにつき1つのラベルしか検出できません。ドキュメントに複数のカテゴリの特徴が含まれている場合（例えば、「品質と性能」と「価格と価値」の両方）、モデルは両方を正しく識別するのに苦労し、1つのカテゴリのみを予測するため、誤分類につながる可能性があります。

推奨事項

ユーザー（直接のユーザーと下流のユーザーの両方）は、このモデルの単一ラベル予測の制限に注意する必要があります。ドキュメントに複数のカテゴリの特徴が含まれている場合、追加のモデルまたはマルチラベル分類技術を検討する必要があります。

学習データ

このタスク用に、文章の構造的特徴に焦点を当てたカスタム合成データセットが作成されました。このデータセットは6つのカテゴリの例を提供し、モデルが文章の構文的組織と意味の両方から学習できるようにします。

学習ハイパーパラメータ

• モデル: distilbert/distilbert-base-uncased
• 学習率: 3e-5
• エポック数: 7
• 学習バッチサイズ: 16
• 勾配累積ステップ数: 2
• 重み減衰: 0.015
• ウォームアップ率: 0.1

評価

このモデルは、同じ6つのドキュメントカテゴリを表すカスタムデータセットを使用して評価されました。性能は、カテゴリ全体の正解率、適合率、再現率、およびF1スコアに基づいて測定されました。

評価指標

• 正解率: 0.947
• 適合率: 0.948
• 再現率: 0.948
• F1スコア: 0.948

合成データセットへのアクセスについては、[deniz.bilgin@uni-konstanz.de]に問い合わせてください。

🔧 技術詳細

このモデルは、DistilBERTのトランスフォーマーベースのアーキテクチャを利用して、文章の構文パターンを効率的に処理します。カスタム合成データセットを使用して学習され、特定のハイパーパラメータ設定により、ドキュメントを6つの事前定義されたカテゴリに分類する能力を獲得しました。

📄 ライセンス

このモデルは、Apache 2.0ライセンスの下で提供されています。