news - category - classifierオープンソーステキスト分類モデル - 無料でデプロイして英文ニュースを正確に分類

ホーム

News Category Classifier

ranudeeによって開発

DistilBERTアーキテクチャに基づく軽量テキスト分類モデルで、英語ニュースを国際、スポーツ、ビジネス、テクノロジーの4大カテゴリに分類

テキスト分類

Transformers

#軽量テキスト分類 #ニューストピック識別 #英語NLP

ダウンロード数 526

リリース時間 : 11/20/2024

モデル概要

このモデルはAGニュースデータセットでファインチューニングされたDistilBERTバリアントで、英語ニュース記事の4分類タスク専用です。BERTの軽量版として、高い精度を維持しながら推論速度を向上させています。

モデル特徴

軽量で効率的

DistilBERTアーキテクチャを採用し、元のBERTモデルと比べて40%体積を削減しながら97%の性能を保持

多分類能力

ニュースの4大カテゴリ（国際/スポーツ/ビジネス/テクノロジー）を正確に識別可能

リアルタイム推論

最適化されたアーキテクチャで、迅速な応答が必要な本番環境の展開に適しています

モデル能力

英語テキスト分類

ニュース内容分析

リアルタイムテキスト処理

使用事例

メディア分析

ニュース自動分類システム

ニュースアグリゲーションプラットフォーム向け自動タグ付け

90%以上の分類精度を実現（推論データに基づく）

ビジネスインテリジェンス

業界トレンド監視

ニュースストリームからビジネス・テクノロジー関連コンテンツを識別

🚀 Model IDのモデルカード

このモデルは、AG Newsデータセットを用いてテキスト分類のために微調整されたDistilBERTベースのモデルです。このモデルは、ニュース記事を「World」「Sports」「Business」「Science/Technology」の4つのカテゴリに分類します。DistilBERTはBERTの小型で高速なバリアントで、強力な性能を維持しながら、リアルタイムアプリケーションにも適しています。

🚀 クイックスタート

以下のコードを使用して、モデルを使い始めることができます。

# ここにモデルを使い始めるためのコードが入る予定です。
# [More Information Needed]

✨ 主な機能

このモデルは、AG Newsデータセットを用いて微調整されたDistilBERTベースのテキスト分類器です。
ニュース記事を「World」「Sports」「Business」「Science/Technology」の4つのカテゴリに分類します。
DistilBERTはBERTの小型で高速なバリアントで、強力な性能を維持しながら、リアルタイムアプリケーションにも適しています。

📦 インストール

インストールに関する情報は提供されていません。

📚 ドキュメント

モデルの詳細

モデルの説明

開発者: Ranudee Fernando
資金提供元 [任意]: [More Information Needed]
共有者 [任意]: [More Information Needed]
モデルの種類: DistilBERTベースのテキスト分類器
言語 (NLP): 英語 (EN)
ライセンス: Apache 2.0
微調整元のモデル [任意]: distilbert-base-uncased から微調整

モデルのソース [任意]

リポジトリ: [More Information Needed]
論文 [任意]: [More Information Needed]
デモ [任意]: [More Information Needed]

使用方法

直接使用

このモデルを微調整せずに、または大規模なエコシステム/アプリに組み込まずに使用する場合の情報は提供されていません。

下流の使用 [任意]

このモデルを特定のタスクに微調整したり、大規模なエコシステム/アプリに組み込んだ場合の使用方法に関する情報は提供されていません。

想定外の使用

このモデルの誤用、悪意のある使用、およびうまく機能しない使用に関する情報は提供されていません。

バイアス、リスク、および制限事項

このモデルの技術的および社会技術的な制限に関する情報は提供されていません。

推奨事項

ユーザー（直接利用者と下流の利用者の両方）は、モデルのリスク、バイアス、および制限について認識する必要があります。さらなる推奨事項に関する情報は必要です。

評価

テストデータ、要因、およびメトリクス

テストデータ: [More Information Needed]
要因: [More Information Needed]
メトリクス: [More Information Needed]

結果

[More Information Needed]

環境への影響

炭素排出量は、Lacoste et al. (2019)に提示されたMachine Learning Impact calculatorを使用して推定することができます。

ハードウェアの種類: [More Information Needed]
使用時間: [More Information Needed]
クラウドプロバイダー: [More Information Needed]
コンピュートリージョン: [More Information Needed]
排出された炭素量: [More Information Needed]

引用 [任意]

BibTeX

[More Information Needed]

APA

[More Information Needed]

📄 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。

おすすめAIモデル

Llama 3 Typhoon V1.5x 8b Instruct

タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化

Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。

Roberta Base Chinese Extractive Qa

RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。

質問応答システム中国語

uer

2,694

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご