Bert Large Uncased Adult Text Classifier

🚀 bert-large-uncased成人文本分类器

该模型是一个文本分类模型，基于预训练模型bert-large-uncased，在成人内容数据集上微调得到，能准确将文本分类为成人相关内容。

🚀 快速开始

此模型是 bert-large-uncased 在 valurank/成人内容数据集 上的微调版本。它经过训练，可将文本分类为与成人内容相关的类别。 该模型在评估集上取得了以下结果：

• 损失值：0.1257
• 准确率：0.9824

✨ 主要特性

• 基于BERT架构：该模型基于BERT（双向编码器表征），特别是不区分大小写字母的无大小写版本。
• 精准分类：通过成人内容数据集进行微调，能够准确对文本进行分类。

📚 详细文档

模型描述

该模型基于BERT（来自Transformer的双向编码器表征），具体是不区分大小写字母的无大小写版本。它使用成人内容数据集进行了微调，以准确对文本进行分类。

预期用途和局限性

此模型可用于各种需要识别文本中成人内容的应用场景，如内容过滤、审核系统或家长控制。然而，必须注意的是，没有一个模型是完美的，该模型在分类时仍可能会出错。此外，模型的性能可能会因文本的上下文和使用的语言而异。

训练和评估数据

该模型在Valurank成人内容数据集上进行训练，该数据集包含标记为成人和非成人内容的文本数据集合。训练时使用了80%的数据进行训练，其余用于验证。

训练过程

训练超参数

训练期间使用了以下超参数：

• 学习率：2e - 05
• 训练批次大小：16
• 评估批次大小：16
• 随机种子：42
• 优化器：Adam，β值为(0.9, 0.999)，ε值为1e - 08
• 学习率调度器类型：线性
• 训练轮数：10

训练结果

框架版本

• Transformers 4.35.2
• Pytorch 2.1.0+cu121
• Datasets 2.16.1
• Tokenizers 0.15.0

本模型卡片概述了模型的架构、训练过程和性能指标，为有兴趣使用或进一步了解bert-large-uncased成人文本分类器模型的用户提供参考。

📄 许可证

该模型使用的是Apache-2.0许可证。

📦 模型信息