|
--- |
|
language: |
|
- az |
|
metrics: |
|
- accuracy |
|
- f1 |
|
widget: |
|
- text: کریم خان زندین اؤلومو ایله خانلیق یئنیدن موستقیل سیاست یئریتمگه باشلادی . |
|
example_title: تاریخ |
|
- text: کیمیا علیزاده زنوزی اصیللی ایرانلی تکواندو اویونچوسودور . |
|
example_title: ایدمان |
|
- text: خزر دنیزی بؤیوک‌لوگونه و بعضی فیزیکی جوغرافی علامتلرینه گؤره دونیانین ان بؤیوک گؤلودور . |
|
example_title: جوغرافیا |
|
- text: گولخانی اؤزبک کلاسیک شاعیری ، ادیبی ، یازیچی و اؤزبک ادبیاتی‌نین ساتیریک مکتبی‌نین قوروجولاریندان بیری‌دیر . |
|
example_title: ادبیات |
|
--- |
|
# Text Classification Model |
|
- Type: Fine-tuned BERT-based text classification model |
|
- Description: This model has been fine-tuned using [AzerBERT](https://huggingface.co/language-ml-lab/AzerBert) for text classification tasks. It is designed to categorize text into one of the following four categories: literature, sports, history, and geography. |
|
|
|
## How to use |
|
```python |
|
# Use a pipeline as a high-level helper |
|
from transformers import pipeline |
|
|
|
pipe = pipeline("text-classification", model="language-ml-lab/classification-azb") |
|
``` |
|
|
|
```python |
|
# Load model directly |
|
from transformers import AutoTokenizer, AutoModelForSequenceClassification |
|
|
|
tokenizer = AutoTokenizer.from_pretrained("language-ml-lab/classification-azb") |
|
model = AutoModelForSequenceClassification.from_pretrained("language-ml-lab/classification-azb") |
|
``` |
