Roberta Base Formality Ranker

🚀 英語正式度預測模型

該模型經過訓練，可預測英語句子是正式還是非正式。它基於特定的數據集和技術進行訓練，能夠在不同的評估指標上展現出良好的性能。

🚀 快速開始

本模型用於預測英語句子的正式性或非正式性。以下是該模型的一些關鍵信息：

• 基礎模型：roberta-base
• 數據集：來自 Rao and Tetreault, 2018 的 GYAFC 和來自 Pavlick and Tetreault, 2016 的 在線正式度語料庫

✨ 主要特性

• 數據增強：通過將文本轉換為大寫或小寫、去除所有標點符號並在句子末尾添加句號等方式進行數據增強。這樣做是為了避免模型過度依賴標點和大小寫，從而更加關注其他特徵。
• 損失函數：在 GYAFC 數據集上使用二元分類損失，在 PT 數據上使用批內排序損失。

📚 詳細文檔

性能指標

模型在測試數據上的性能指標如下：

GYAFC 數據集

P&T 子集

📄 許可證

本模型採用 知識共享署名 - 非商業性使用 - 相同方式共享 4.0 國際許可協議。

📚 引用信息

如果您在研究中使用了該模型，請引用以下 論文：

@InProceedings{10.1007/978-3-031-35320-8_4,
  author="Babakov, Nikolay
  and Dale, David
  and Gusev, Ilya
  and Krotova, Irina
  and Panchenko, Alexander",
  editor="M{\'e}tais, Elisabeth
  and Meziane, Farid
  and Sugumaran, Vijayan
  and Manning, Warren
  and Reiff-Marganiec, Stephan",
  title="Don't Lose the Message While Paraphrasing: A Study on Content Preserving Style Transfer",
  booktitle="Natural Language Processing and Information Systems",
  year="2023",
  publisher="Springer Nature Switzerland",
  address="Cham",
  pages="47--61",
  isbn="978-3-031-35320-8"
}