Few Shot Learning Classification Bert Sm 5K 32

🚀 使用AutoTrain訓練的模型

本模型使用AutoTrain進行訓練，可用於文本分類問題，能為媒體和內容公司等提供高效的新聞文章分類服務，以少量標註數據實現多主題分類，提升內容管理與檢索效率。

🚀 快速開始

本模型主要用於文本分類問題，可快速對輸入文本進行分類。

✨ 主要特性

• 問題類型：文本分類。
• 發佈者信息：
  • 發佈者：PRAVIN SURESH TAWADE
  • 共同發佈者：Dr.JAYA KRISHNA GUTHA

📚 詳細文檔

驗證指標

數據詳情

少量樣本的文本分類在AG新聞數據集上的一個潛在商業應用是在媒體和內容公司。這些公司可以應用這項技術，以最少的標註數據對世界、體育、商業、科技等主題的新聞文章進行分類。這種少量樣本模型的應用將使新聞內容的管理和檢索更加高效，通過個性化新聞推送提高用戶滿意度。此外，這樣的模型將使這些公司能夠迅速調整分類，以適應動態行業中的新類別或快速出現的主題。

考慮到源材料的重複可能會影響對我改編結果的認知，我希望避免使用我在課程中遇到的相同數據。因此，我想選擇一個多樣化的文本數據集，其中每個類別的可用標註示例數量有限。此外，為了評估模型的有效性，我會考慮改變文檔的領域和類型。工作將從選擇數據集開始，我選擇的是AG新聞語料庫，可在Hugging Face上獲取。在我的研究中，我使用這個新聞文章集合，它分為四個主要類別：世界、體育、商業和科技。數據集的規模如下：每個類別有30,000個訓練樣本和1,900個測試樣本。

• 數據集大小：31.3 MB
• 數據劃分：127600行
• 數據字段：
  • Text：由字符串表示的特徵。
  • Label：一組分類標籤，包括世界（0）、體育（1）、商業（2）和科技（3）。