camembert-keyword-discriminator開源文本關鍵詞分類模型

Camembert Keyword Discriminator

由yanekyuk開發

基於camembert-base微調的文本關鍵詞分類模型，擅長識別實體和概念類關鍵詞

下載量 17

發布時間 : 6/4/2022

模型概述

該模型是camembert-base的微調版本，專門用於關鍵詞分類任務，能夠區分文本中的實體和概念類關鍵詞。在評估中展現出較好的實體識別能力。

實體識別能力強

在實體識別任務上F1值達到0.7640，表現優異

概念分類能力

能夠區分概念類關鍵詞，F1值0.5082

高準確率

整體準確率達到93.44%，表現穩定

文本關鍵詞分類

實體識別

概念分類

法語文本處理

文本分析

文檔關鍵詞提取

從法語文檔中自動提取重要實體和概念關鍵詞

準確識別文檔中的關鍵信息點

內容分類

根據關鍵詞對法語內容進行分類

提高內容組織和管理效率

信息檢索

搜索增強

改善法語搜索引擎的關鍵詞匹配能力

提升搜索結果的相關性

此模型是基於camembert-base在未知數據集上微調得到的版本。它在評估集上取得了如下結果，能夠有效用於關鍵詞判別任務，為相關自然語言處理場景提供了有力支持。

此模型是 camembert-base 在未知數據集上的微調版本。它在評估集上取得了以下結果：

訓練過程中使用了以下超參數：

訓練損失	輪數	步數	驗證損失	精確率	召回率	準確率	F1值	實體精確率	實體準確率	實體F1值	對比精確率	對比準確率	對比F1值
0.2016	1.0	1875	0.1910	0.5947	0.7125	0.9243	0.6483	0.6372	0.8809	0.7395	0.4560	0.3806	0.4149
0.1454	2.0	3750	0.1632	0.6381	0.7056	0.9324	0.6701	0.6887	0.8291	0.7524	0.5064	0.4621	0.4833
0.1211	3.0	5625	0.1702	0.6703	0.6678	0.9343	0.6690	0.7120	0.7988	0.7529	0.5471	0.4094	0.4684
0.1021	4.0	7500	0.1745	0.6777	0.6708	0.9351	0.6742	0.7206	0.7956	0.7562	0.5557	0.4248	0.4815
0.0886	5.0	9375	0.1913	0.6540	0.7184	0.9340	0.6847	0.7022	0.8396	0.7648	0.5288	0.4795	0.5030
0.0781	6.0	11250	0.2021	0.6605	0.7132	0.9344	0.6858	0.7139	0.8258	0.7658	0.5293	0.4913	0.5096
0.0686	7.0	13125	0.2127	0.6539	0.7132	0.9337	0.6822	0.7170	0.8172	0.7638	0.5112	0.5083	0.5098
0.0667	8.0	15000	0.2180	0.6646	0.7047	0.9344	0.6841	0.7185	0.8157	0.7640	0.5324	0.4860	0.5082