Politics Sentence Classifier

🚀 法國政治語句“性質”預測模型

本模型旨在預測法國政治語句的性質。預測結果分為以下三類：

• 問題：語句描述了一個問題（通常需要發言者解決），例如 il y a dans ce pays une fracture（雅克·希拉剋）。
• 解決方案：語句描述了一個解決方案（通常是政治綱領的一部分），例如：J’ai supprimé les droits de succession parce que je crois au travail et parce que je crois à la famille.（尼古拉·薩科齊）。
• 其他：語句不屬於上述任何一類，例如：vive la République, vive la France。

該模型基於從政治推文和演講混合數據中提取的語句，使用AutoNLP進行訓練。

🚀 快速開始

本模型可用於預測法國政治語句的性質，通過特定的API接口，能方便快捷地得到預測結果。

✨ 主要特性

• 多分類預測：能夠將法國政治語句分為“問題”“解決方案”和“其他”三類。
• 基於AutoNLP訓練：利用AutoNLP技術，基於政治推文和演講數據進行訓練。

📦 安裝指南

此部分原文檔未提及具體安裝步驟，故跳過。

💻 使用示例

基礎用法

你可以使用cURL來訪問這個模型：

$ curl -X POST -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"inputs": "Il y a dans ce pays une fracture"}' https://api-inference.huggingface.co/models/mazancourt/politics-sentence-classifier

高級用法

使用Python API進行調用：

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("mazancourt/autonlp-politics-sentence-classifier-23105051", use_auth_token=True)

tokenizer = AutoTokenizer.from_pretrained("mazancourt/politics-sentence-classifier", use_auth_token=True)

inputs = tokenizer("Il y a dans ce pays une fracture", return_tensors="pt")

outputs = model(**inputs)

# Category can be "problem", "solution" or "other"
category = outputs[0]["label"]
score = outputs[0]["score"]

📚 詳細文檔

模型信息

驗證指標

• 損失值：0.6050735712051392
• 準確率：0.8097826086956522
• 宏F1值：0.7713543865034599
• 微F1值：0.8097826086956522
• 加權F1值：0.8065488494385247
• 宏精確率：0.7861074705111403
• 微精確率：0.8097826086956522
• 加權精確率：0.806470454156932
• 宏召回率：0.7599656456873758
• 微召回率：0.8097826086956522
• 加權召回率：0.8097826086956522

🔧 技術細節

此部分原文檔未提供足夠具體的技術說明，故跳過。

📄 許可證

此部分原文檔未提及許可證信息，故跳過。