Pred Genre

🚀 時間週期預測模型

這個模型能夠根據約200個漢字的劇情簡介來預測時間週期。它在電視和電影數據集上進行訓練，接受簡體中文作為輸入。

🚀 快速開始

本模型基於 "hfl/chinese-bert-wwm-ext" 檢查點進行訓練。

✨ 主要特性

• 標籤對應明確：提供了詳細的 label2id_genre 和 id2label_genre 映射，方便進行類別與ID的轉換。
• 支持GPU計算：代碼中使用 torch.device 判斷是否有可用的CUDA設備，若有則使用GPU進行計算，提高預測效率。
• 文本截斷處理：在進行文本輸入時，使用 truncation=True 和 max_length=512 對輸入文本進行截斷處理，確保輸入長度符合模型要求。

📦 安裝指南

文檔未提供具體安裝命令，故跳過此章節。

💻 使用示例

基礎用法

from transformers import BertTokenizer, BertForSequenceClassification

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
checkpoint = "Herais/pred_genre"
tokenizer = BertTokenizer.from_pretrained(checkpoint, 
                                          problem_type="single_label_classification")
model = BertForSequenceClassification.from_pretrained(checkpoint).to(device)

label2id_genre = {'涉案': 7, '都市': 10, '革命': 12, '農村': 4, '傳奇': 0, 
                  '其它': 2, '傳記': 1, '青少': 11, '軍旅': 3, '武打': 6, 
                  '科幻': 9, '神話': 8, '宮廷': 5}

id2label_genre = {7: '涉案', 10: '都市', 12: '革命', 4: '農村', 0: '傳奇', 
                  2: '其它', 1: '傳記', 11: '青少', 3: '軍旅', 6: '武打', 
                  9: '科幻', 8: '神話', 5: '宮廷'}

synopsis = """加油吧！檢察官。鯉州市安平區檢察院檢察官助理蔡曉與徐美津是兩個剛入職場的“菜鳥”。\
他們在老檢察官馮昆的指導與鼓勵下，憑藉著自己的一腔熱血與對檢察事業的執著追求，克服工作上的種種困難，\
成功辦理電競賭博、虛假訴訟、水產市場涉黑等一系列複雜案件，懲治了犯罪分子，維護了人民群眾的合法權益，\
為社會主義法治建設貢獻了自己的一份力量。在這個過程中，蔡曉與徐美津不僅得到了業務能力上的提升，\
也領悟了人生的真諦，學會真誠地面對家人與朋友，收穫了親情與友誼，成長為合格的員額檢察官，\
繼續為檢察事業貢獻自己的青春。 """

inputs = tokenizer(synopsis, truncation=True, max_length=512, return_tensors='pt')
model.eval()
outputs = model(**inputs)

label_ids_pred = torch.argmax(outputs.logits, dim=1).to('cpu').numpy()
labels_pred = [id2label_genre[label] for label in label_ids_pred]

print(labels_pred)
# ['涉案']

高級用法

文檔未提供高級用法相關代碼，故跳過此部分。

📚 詳細文檔

文檔未提供詳細說明，故跳過此章節。

🔧 技術細節

文檔未提供具體的技術實現細節，故跳過此章節。

📄 許可證

本項目採用 apache-2.0 許可證。