distilbert-base-turkish-cased-allnli_tr開源模型 - 免費部署實現土耳其語零樣本分類

首頁

Distilbert Base Turkish Cased Allnli Tr

由emrecan開發

基於dbmdz/distilbert-base-turkish-cased微調的土耳其語零樣本分類模型

文本分類

Transformers

其他開源協議:Apache-2.0 #土耳其語零樣本分類 #自然語言推理 #多標籤分類

下載量 15

發布時間 : 3/2/2022

模型概述

這是一個針對土耳其語文本的零樣本分類模型，基於DistilBERT架構，適用於自然語言推理任務。

模型特點

土耳其語優化

專門針對土耳其語文本進行優化的預訓練模型

零樣本分類

無需特定領域訓練即可對新類別進行分類

輕量級架構

基於DistilBERT的輕量級模型，保持性能的同時減少計算資源需求

模型能力

文本分類

自然語言推理

零樣本學習

使用案例

文本分析

新聞分類

將土耳其語新聞自動分類到經濟、政治、體育等類別

準確率73.81%

情感分析

分析土耳其語文本的情感傾向(正面/負面)

🚀 distilbert-base-turkish-cased_allnli_tr

該模型是 dbmdz/distilbert-base-turkish-cased 在 None 數據集上的微調版本。它在評估集上取得了以下結果：

損失值：0.6481
準確率：0.7381

🚀 快速開始

本模型可用於零樣本分類任務，適用於土耳其語相關的自然語言處理場景。

📚 詳細文檔

模型信息

屬性	詳情
模型類型	零樣本分類、自然語言推理（NLI）
訓練數據	nli_tr
評估指標	準確率
基礎模型	dbmdz/distilbert-base-turkish-cased
許可證	Apache-2.0

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

學習率：2e-05
訓練批次大小：32
評估批次大小：32
隨機種子：42
優化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
學習率調度器類型：線性
訓練輪數：3

訓練結果

訓練損失	輪數	步數	驗證損失	準確率
0.94	0.03	1000	0.9074	0.5813
0.8102	0.07	2000	0.8802	0.5949
0.7737	0.1	3000	0.8491	0.6155
0.7576	0.14	4000	0.8283	0.6261
0.7286	0.17	5000	0.8150	0.6362
0.7162	0.2	6000	0.7998	0.6400
0.7092	0.24	7000	0.7830	0.6565
0.6962	0.27	8000	0.7653	0.6629
0.6876	0.31	9000	0.7630	0.6687
0.6778	0.34	10000	0.7475	0.6739
0.6737	0.37	11000	0.7495	0.6781
0.6712	0.41	12000	0.7350	0.6826
0.6559	0.44	13000	0.7274	0.6897
0.6493	0.48	14000	0.7248	0.6902
0.6483	0.51	15000	0.7263	0.6858
0.6445	0.54	16000	0.7070	0.6978
0.6467	0.58	17000	0.7083	0.6981
0.6332	0.61	18000	0.6996	0.7004
0.6288	0.65	19000	0.6979	0.6978
0.6308	0.68	20000	0.6912	0.7040
0.622	0.71	21000	0.6904	0.7092
0.615	0.75	22000	0.6872	0.7094
0.6186	0.78	23000	0.6877	0.7075
0.6183	0.82	24000	0.6818	0.7111
0.6115	0.85	25000	0.6856	0.7122
0.608	0.88	26000	0.6697	0.7179
0.6071	0.92	27000	0.6727	0.7181
0.601	0.95	28000	0.6798	0.7118
0.6018	0.99	29000	0.6854	0.7071
0.5762	1.02	30000	0.6697	0.7214
0.5507	1.05	31000	0.6710	0.7185
0.5575	1.09	32000	0.6709	0.7226
0.5493	1.12	33000	0.6659	0.7191
0.5464	1.15	34000	0.6709	0.7232
0.5595	1.19	35000	0.6642	0.7220
0.5446	1.22	36000	0.6709	0.7202
0.5524	1.26	37000	0.6751	0.7148
0.5473	1.29	38000	0.6642	0.7209
0.5477	1.32	39000	0.6662	0.7223
0.5522	1.36	40000	0.6586	0.7227
0.5406	1.39	41000	0.6602	0.7258
0.54	1.43	42000	0.6564	0.7273
0.5458	1.46	43000	0.6780	0.7213
0.5448	1.49	44000	0.6561	0.7235
0.5418	1.53	45000	0.6600	0.7253
0.5408	1.56	46000	0.6616	0.7274
0.5451	1.6	47000	0.6557	0.7283
0.5385	1.63	48000	0.6583	0.7295
0.5261	1.66	49000	0.6468	0.7325
0.5364	1.7	50000	0.6447	0.7329
0.5294	1.73	51000	0.6429	0.7320
0.5332	1.77	52000	0.6508	0.7272
0.5274	1.8	53000	0.6492	0.7326
0.5286	1.83	54000	0.6470	0.7318
0.5359	1.87	55000	0.6393	0.7354
0.5366	1.9	56000	0.6445	0.7367
0.5296	1.94	57000	0.6413	0.7313
0.5346	1.97	58000	0.6393	0.7315
0.5264	2.0	59000	0.6448	0.7357
0.4857	2.04	60000	0.6640	0.7335
0.4888	2.07	61000	0.6612	0.7318
0.4964	2.11	62000	0.6516	0.7337
0.493	2.14	63000	0.6503	0.7356
0.4961	2.17	64000	0.6519	0.7348
0.4847	2.21	65000	0.6517	0.7327
0.483	2.24	66000	0.6555	0.7310
0.4857	2.28	67000	0.6525	0.7312
0.484	2.31	68000	0.6444	0.7342
0.4792	2.34	69000	0.6508	0.7330
0.488	2.38	70000	0.6513	0.7344
0.472	2.41	71000	0.6547	0.7346
0.4872	2.45	72000	0.6500	0.7342
0.4782	2.48	73000	0.6585	0.7358
0.481	2.51	74000	0.6477	0.7356
0.4822	2.55	75000	0.6587	0.7346
0.4728	2.58	76000	0.6572	0.7340
0.4841	2.62	77000	0.6443	0.7374
0.4885	2.65	78000	0.6494	0.7362
0.4752	2.68	79000	0.6509	0.7382
0.4883	2.72	80000	0.6457	0.7371
0.4888	2.75	81000	0.6497	0.7364
0.4844	2.79	82000	0.6481	0.7376
0.4833	2.82	83000	0.6451	0.7389
0.48	2.85	84000	0.6423	0.7373
0.4832	2.89	85000	0.6477	0.7357
0.4805	2.92	86000	0.6464	0.7379
0.4775	2.96	87000	0.6477	0.7380
0.4843	2.99	88000	0.6481	0.7381