t5-base-tag-generation

t5-base-tag-generation

T5模型微调实现自动文章标签生成

t5-base-tag-generation是基于T5模型微调的文本生成工具,专门用于从文章内容自动生成标签。该模型利用190k Medium文章数据集训练,采用1000个标签的分类体系进行数据清洗和标签增强。它将多标签分类转化为文本生成任务,可为各类文本高效生成相关标签,提升内容分类和检索效率。模型在50000篇文章上训练一个epoch,展现出良好的标签生成能力。

模型Github开源项目Huggingface标签生成机器学习t5-base自然语言处理文本分类

项目概述

t5-base-tag-generation是一个基于T5模型的文本标签生成项目。该项目通过微调t5-base模型,使其能够根据文章内容自动生成相关标签。这种方法将传统的多标签分类问题转化为更灵活的文本到文本生成任务,为文章标签生成提供了新的思路。

数据集介绍

该项目使用了190k Medium Articles数据集进行训练。Medium是一个知名的博客平台,该数据集包含了大量Medium上的文章及其标签。每篇文章最多可以有5个标签,这些标签通常由作者根据SEO需求精心选择。

数据清洗

为了解决标签不完整的问题,项目作者构建了一个包含约1000个标签的分类体系。利用这个体系,对每篇文章的标签进行了扩充。例如,一篇带有"Python"标签的文章会自动添加"编程语言"标签,因为在分类体系中"Python"属于"编程语言"类别。

模型训练

模型在约50000篇文章上进行了一个epoch的训练,并使用1000篇未参与训练的随机文章进行评估。训练使用了Adam优化器,学习率为4e-05,batch size为8,采用了线性学习率调度策略。

模型使用

使用该模型非常简单。用户只需要导入必要的库,加载预训练的模型和分词器,然后将文本输入模型即可生成标签。模型会输出一系列相关标签,用户可以根据需要进行进一步处理。

模型性能

模型在评估集上取得了不错的性能,ROUGE-1分数达到38.6033,ROUGE-2分数为20.5952,ROUGE-L分数为36.4458。平均生成的标签数量为15.257个。

应用价值

t5-base-tag-generation项目为文章自动标签生成提供了一种新的解决方案。它可以帮助内容创作者、博客平台和搜索引擎更好地组织和检索文章。同时,这种方法也为其他文本分类任务提供了新的思路,有望在更广泛的自然语言处理领域发挥作用。

未来展望

虽然该项目已经取得了不错的效果,但仍有改进空间。例如,可以尝试使用更大的数据集进行训练,或者探索其他预训练模型的效果。此外,项目作者构建的标签分类体系也是一个有价值的资源,如果能够公开并持续完善,将对整个NLP社区都有所裨益。

</Assistant>

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多