albert-base-v2-fakenews-discriminator
XSY
Clasificación de texto
Este modelo es una versión ajustada de albert-base-v2 en un conjunto de datos desconocido. Está diseñado para clasificar noticias falsas y reales. Utiliza el título y la etiqueta para entrenar el clasificador. La etiqueta_0 representa noticias falsas y la etiqueta_1 noticias reales. El modelo logra los siguientes resultados en el conjunto de evaluación: Pérdida: 0.0910, Precisión: 0.9758.
Como usar
Los siguientes hiperparámetros se utilizaron durante el entrenamiento:
aprendizaje_rate: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizador: Adam con betas=(0.9,0.999) y epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 500
num_epochs: 1
Funcionalidades
- Clasificación de textos
- Compatible con Hugging Face Transformers
- Entrenado con PyTorch
- Compatible con AutoTrain
- Compatibilidad con Puntos de Inferencia
- Licencia Apache-2.0
Casos de uso
- Clasificación de noticias como falsas o reales
- Detección de noticias falsas en sitios web y redes sociales