Wav2vec2 Base Intent Classification Ori

W

Wav2vec2 Base Intent Classification Ori

Developed by MuhammadIqbalBazmi

このモデルはfacebook/wav2vec2-baseをintent-dataset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、意図分類タスクに使用されます。

Open Source License:Apache-2.0 #音声意図認識 #高精度 #wav2vec2ファインチューニング

Downloads 18

Release Time : 10/11/2022

Model Overview

wav2vec2-baseをファインチューニングした意図分類モデルで、評価セットで91.67%の精度を達成しました。

Model Features

高精度

評価セットで91.67%の精度を達成しました

wav2vec2-baseファインチューニング

事前学習済みのwav2vec2-baseモデルをファインチューニングし、意図分類性能を向上させました

Model Capabilities

音声意図分類

音声特徴抽出

Use Cases

音声アシスタント

音声コマンド認識

ユーザーの音声コマンド意図を認識します

高精度な意図分類

インテリジェントカスタマーサポート

顧客意図理解

顧客の音声クエリの意図を理解します

カスタマーサポートシステムの応答精度向上

🚀 wav2vec2-base-intent-classification-ori

このモデルは、facebook/wav2vec2-base を intent-dataset 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: 0.4928
正解率: 0.9167

📚 ドキュメント

モデルの説明

詳細情報は後日提供予定です。

想定される用途と制限

詳細情報は後日提供予定です。

学習と評価データ

詳細情報は後日提供予定です。

学習手順

学習ハイパーパラメータ

学習中に以下のハイパーパラメータが使用されました。

学習率: 3e-05
学習バッチサイズ: 1
評価バッチサイズ: 1
シード: 42
勾配累積ステップ: 4
総学習バッチサイズ: 4
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: linear
学習率スケジューラのウォームアップ比率: 0.1
エポック数: 45

学習結果

学習損失	エポック	ステップ	検証損失	正解率
2.1867	1.0	28	2.1745	0.2708
2.1177	2.0	56	2.1165	0.2708
2.1012	3.0	84	2.0553	0.2708
1.9851	4.0	112	1.9551	0.375
1.9092	5.0	140	1.9765	0.2917
1.6848	6.0	168	1.8461	0.2917
1.6576	7.0	196	1.5223	0.5
1.4492	8.0	224	1.4500	0.4792
1.2193	9.0	252	1.5349	0.4792
1.1149	10.0	280	1.2159	0.5833
1.0615	11.0	308	1.1469	0.6875
1.0584	12.0	336	1.2778	0.6042
0.8237	13.0	364	1.1774	0.5625
0.6699	14.0	392	0.9661	0.6875
0.7414	15.0	420	1.2787	0.5208
0.5324	16.0	448	0.8592	0.7292
0.3753	17.0	476	0.6860	0.7917
0.3274	18.0	504	0.6210	0.8333
0.3667	19.0	532	0.7310	0.75
0.2347	20.0	560	0.6801	0.7292
0.2036	21.0	588	0.9876	0.6875
0.1711	22.0	616	0.6323	0.7917
0.205	23.0	644	0.4414	0.8958
0.0892	24.0	672	0.4253	0.8958
0.0777	25.0	700	0.4703	0.8958
0.0717	26.0	728	0.4883	0.8958
0.041	27.0	756	0.6224	0.8542
0.0493	28.0	784	0.5839	0.875
0.0405	29.0	812	0.6454	0.8542
0.04	30.0	840	0.6102	0.875
0.0333	31.0	868	0.6080	0.875
0.0303	32.0	896	0.5539	0.875
0.025	33.0	924	0.5799	0.8958
0.0246	34.0	952	0.5766	0.8958
0.0209	35.0	980	0.5700	0.8958
0.0225	36.0	1008	0.5709	0.8958
0.0225	37.0	1036	0.5582	0.8958
0.0217	38.0	1064	0.5258	0.875
0.0207	39.0	1092	0.5058	0.8958
0.0234	40.0	1120	0.4981	0.8958
0.021	41.0	1148	0.4928	0.9167
0.0224	42.0	1176	0.4962	0.9167
0.0212	43.0	1204	0.5329	0.8958
0.0208	44.0	1232	0.5727	0.8958
0.0206	45.0	1260	0.5733	0.8958

フレームワークのバージョン

Transformers 4.20.1
Pytorch 1.11.0
Datasets 2.1.0
Tokenizers 0.12.1

📄 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。

Featured Recommended AI Models

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

大規模言語モデル

Transformers Supports Multiple Languages

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。

対話システム

Transformers English

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 Chinese

AIbase

Empowering the Future, Your AI Solution Knowledge Base

English 简体中文繁體中文にほんご

© 2025AIbase