Bert Large Uncased Adult Text Classifier

🚀 bert-large-uncased成人文本分類器

該模型是一個文本分類模型，基於預訓練模型bert-large-uncased，在成人內容數據集上微調得到，能準確將文本分類為成人相關內容。

🚀 快速開始

此模型是 bert-large-uncased 在 valurank/成人內容數據集 上的微調版本。它經過訓練，可將文本分類為與成人內容相關的類別。 該模型在評估集上取得了以下結果：

• 損失值：0.1257
• 準確率：0.9824

✨ 主要特性

• 基於BERT架構：該模型基於BERT（雙向編碼器表徵），特別是不區分大小寫字母的無大小寫版本。
• 精準分類：通過成人內容數據集進行微調，能夠準確對文本進行分類。

📚 詳細文檔

模型描述

該模型基於BERT（來自Transformer的雙向編碼器表徵），具體是不區分大小寫字母的無大小寫版本。它使用成人內容數據集進行了微調，以準確對文本進行分類。

預期用途和侷限性

此模型可用於各種需要識別文本中成人內容的應用場景，如內容過濾、審核系統或家長控制。然而，必須注意的是，沒有一個模型是完美的，該模型在分類時仍可能會出錯。此外，模型的性能可能會因文本的上下文和使用的語言而異。

訓練和評估數據

該模型在Valurank成人內容數據集上進行訓練，該數據集包含標記為成人和非成人內容的文本數據集合。訓練時使用了80%的數據進行訓練，其餘用於驗證。

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率：2e - 05
• 訓練批次大小：16
• 評估批次大小：16
• 隨機種子：42
• 優化器：Adam，β值為(0.9, 0.999)，ε值為1e - 08
• 學習率調度器類型：線性
• 訓練輪數：10

訓練結果

框架版本

• Transformers 4.35.2
• Pytorch 2.1.0+cu121
• Datasets 2.16.1
• Tokenizers 0.15.0

本模型卡片概述了模型的架構、訓練過程和性能指標，為有興趣使用或進一步瞭解bert-large-uncased成人文本分類器模型的用戶提供參考。

📄 許可證

該模型使用的是Apache-2.0許可證。

📦 模型信息