YAML Metadata Warning: empty or missing yaml metadata in repo card (https://huggingface.co/docs/hub/model-cards#model-card-metadata)

Klasszifikációs modell: a kmdb_classification adathalmazon lett finomhangolva a huBERT modell. A klasszifikáció cím és leírás (lead) alapján történik.

Használat:

import torch
import torch.nn.functional as F
from transformers import BertForSequenceClassification, BertTokenizer
from datasets import load_dataset

model = BertForSequenceClassification.from_pretrained('boapps/kmdb_classification_model')
tokenizer = BertTokenizer.from_pretrained('SZTAKI-HLT/hubert-base-cc')

article = {'title': '400 milliós luxusvillába vette be magát Matolcsy és családja', 'description': 'Matolcsy György fiának cége megvette, Matolcsy György unokatestvérének bankja meghitelezte, Matolcsy György pedig használja a 430 millióért hirdetett II. kerületi luxusrezidenciát.'}

tokenized_article = tokenizer(article['title']+'\n'+article['description'], return_tensors="pt")

logits = model(**tokenized_article).logits
probabilities = F.softmax(logits[0], dim=-1)

print(probabilities)

Eredmények

precision: 0.739 recall: 0.950 accuracy: 0.963

Downloads last month
19
Inference Examples
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social visibility and check back later, or deploy to Inference Endpoints (dedicated) instead.