模型描述

该模型是 bert-base-uncased 模型的精调版本，用于将新闻文章分类为四个类别之一：世界（标签0），体育（标签1），商业（标签2），科技（标签3）。

如何使用

您可以使用以下代码来使用该模型。

from transformers import BertForSequenceClassification, BertTokenizer, TextClassificationPipeline
model_path = "JiaqiLee/bert-agnews"
tokenizer = BertTokenizer.from_pretrained(model_path)
model = BertForSequenceClassification.from_pretrained(model_path, num_labels=4)
pipeline = TextClassificationPipeline(model=model, tokenizer=tokenizer)
print(pipeline("Google scores first-day bump of 18 (USATODAY.com): USATODAY.com - Even a big first-day jump in shares of Google (GOOG) couldn't quiet debate over whether the Internet search engine's contentious auction was a hit or a flop."))

训练数据

训练数据来源于HuggingFace AGNews dataset 。我们使用90％的train.csv数据对模型进行训练，剩余10％用于评估。

评估结果

该模型在AGNews测试数据集中达到了0.9447的分类准确率。