Storyseeker

🚀 🔭StorySeeker

StorySeeker 模型是在 🔭StorySeeker 數據集上對 roberta-base 進行微調後的版本。它能夠預測文本中是否包含故事，為在線社區故事測量研究提供了有力支持。

🚀 快速開始

你可以查看如何加載註釋、獲取文本、從 Hugging Face 加載微調模型並運行預測的演示。如果你使用 Colab 鏈接，無需在本地機器上下載或設置任何東西，一切都將在你的瀏覽器中運行。

Colab: 鏈接

Github: 鏈接

✨ 主要特性

• 該模型可以預測文本中是否包含故事。
• 可用於測量在線社區中的故事講述情況，也能應用於其他類型的數據集。

📚 詳細文檔

模型描述

此模型可用於預測文本是否包含故事。關於“故事”的定義，請參考我們的 代碼手冊。

預期用途和限制

該模型適用於對測量在線社區中故事講述情況感興趣的研究人員，不過它也可以應用於其他類型的數據集（詳見我們預印本中的泛化結果）。

訓練和評估數據

該模型在 🔭StorySeeker 數據集的訓練分割上進行了微調，該數據集包含 301 條帶有故事和事件跨度註釋的 Reddit 帖子和評論。此模型使用二元文檔標籤（文檔包含故事或不包含故事）進行微調。

🔧 技術細節

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率：5e - 05
• 訓練批次大小：16
• 評估批次大小：20
• 隨機種子：42
• 優化器：Adam，β=(0.9, 0.999)，ε=1e - 08
• 學習率調度器類型：線性
• 學習率調度器預熱步數：20
• 訓練輪數：3

訓練結果

框架版本

• Transformers 4.35.2
• Pytorch 2.1.0+cu121
• Tokenizers 0.15.2

評估結果

該模型在評估集上取得了以下結果：

• 損失：0.4343
• 準確率：0.8416

📄 許可證

本項目採用 MIT 許可證。

🔖 引用

如果你使用我們的數據、代碼手冊或模型，請引用以下預印本：

Where do people tell stories online? Story Detection Across Online Communities
Maria Antoniak, Joel Mire, Maarten Sap, Elliott Ash, Andrew Piper