B

Bert Finetuned Sem Eval English

由joniponi開發
一個基於深度學習的文本分類模型,在驗證集上表現出較高的F1分數和ROC AUC值。
下載量 16
發布時間 : 3/2/2022

模型概述

該模型用於文本分類任務,能夠對輸入文本進行有效分類,適用於多種自然語言處理場景。

模型特點

高效訓練
模型在第二輪訓練後即顯示出顯著的性能提升,訓練損失從0.115降至0.070。
優秀分類性能
在驗證集上達到0.911的F1分數和0.943的ROC AUC值,表現出強大的分類能力。
快速收斂
僅經過兩輪訓練,驗證損失就從0.099降至0.080,顯示出良好的收斂特性。

模型能力

文本分類
特徵提取
概率預測

使用案例

情感分析
產品評論分類
將用戶評論自動分類為正面、中性或負面
基於F1分數0.911的表現,可提供準確的分類結果
內容審核
不當內容識別
自動識別和分類不當或違規內容
高ROC AUC值0.943表明模型在區分不同類別內容方面表現優異
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase