模型:

YaraKyrychenko/ukraine-war-pov

英文

乌克兰战争观点模型

该模型是在手动注释为亲乌克兰或亲俄罗斯立场的1.5万条社交媒体帖子的数据集上对 xlm-roberta-base 进行微调的版本。它在平衡测试集(2K)上实现了以下结果:

  • 损失:0.2166
  • 准确率:0.9315
  • F1:0.9315
  • 精确度:0.9315
  • 召回率:0.9315
  • AUC:0.9774(自报告)

模型描述

需要更多信息

预期用途和限制

需要更多信息

训练和评估数据

需要更多信息

训练过程

模型是在这个 notebook 中训练的。

训练超参数

训练时使用了以下超参数:

  • 学习率:5e-05
  • 训练批大小:16
  • 评估批大小:64
  • 种子:123
  • 优化器:Adam,betas=(0.9,0.999),epsilon=1e-08
  • lr_scheduler_type:线性
  • lr_scheduler_warmup_steps:500
  • num_epochs:10

训练结果

Training Loss Epoch Step Validation Loss Accuracy F1 Precision Recall
0.284 1.0 1875 0.1850 0.9295 0.9295 0.9303 0.9295
0.2271 2.0 3750 0.1551 0.9405 0.9405 0.9414 0.9405
0.2064 3.0 5625 0.1734 0.9305 0.9305 0.9311 0.9305
0.1842 4.0 7500 0.1694 0.9315 0.9315 0.9317 0.9315
0.1628 5.0 9375 0.1838 0.9435 0.9435 0.9438 0.9435
0.1309 6.0 11250 0.2074 0.9395 0.9395 0.9395 0.9395
0.1017 7.0 13125 0.2659 0.9365 0.9365 0.9365 0.9365
0.0778 8.0 15000 0.2851 0.94 0.9400 0.9400 0.94
0.0664 9.0 16875 0.3238 0.9385 0.9385 0.9387 0.9385
0.066 10.0 18750 0.3092 0.939 0.9390 0.9390 0.9390

框架版本

  • Transformers 4.27.4
  • Pytorch 2.0.0+cu118
  • Tokenizers 0.13.3