Batterybert Cased Abstract

🚀 BatteryBERT-cased用於電池摘要分類

BatteryBERT-cased是一個專門用於電池摘要分類的語言模型，通過特定的訓練數據和超參數設置，在文本分類任務中表現出色，能有效助力電池領域的文本處理工作。

🚀 快速開始

你可以參考示例代碼來快速使用BatteryBERT-cased進行電池摘要分類任務。

✨ 主要特性

• 特定領域適配：專為電池領域的文本分類任務設計，基於batterybert-cased語言模型。
• 高性能表現：在驗證集和測試集上分別取得了97.29%和96.85%的準確率。
• 易於使用：支持使用Hugging Face的transformers庫進行調用。

📦 安裝指南

文檔未提及具體安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline
model_name = "batterydata/batterybert-cased-abstract"

# a) Get predictions
nlp = pipeline('text-classification', model=model_name, tokenizer=model_name)
input = {'The typical non-aqueous electrolyte for commercial Li-ion cells is a solution of LiPF6 in linear and cyclic carbonates.'}
res = nlp(input)

# b) Load model & tokenizer
model = AutoModelForSequenceClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

📚 詳細文檔

模型信息

超參數

batch_size = 32
n_epochs = 11
base_LM_model = "batterybert-cased"
learning_rate = 2e-5

性能表現

"Validation accuracy": 97.29,
"Test accuracy": 96.85,

🔧 技術細節

文檔未提供具體技術實現細節，故跳過此章節。

📄 許可證

本項目採用Apache-2.0許可證。

👥 作者信息

• Shu Huang: sh2009 [at] cam.ac.uk
• Jacqueline Cole: jmc61 [at] cam.ac.uk

📖 引用信息

BatteryBERT: A Pre-trained Language Model for Battery Database Enhancement