模型详情
模型介绍
中文整理该模型是数据集BAAI/IndustryCorpus2用于31个行业分类
模型细节：
为了提升数据集中行业划分对实际行业的覆盖，并对齐国家标准中定义的行业目录，我们参考国家统计局制定的国民经济行业分类体系和世界知识体系，进行类目的合并和整合，设计了覆盖中英文的最终的31个行业类目。类目表名称如下所示
行业分类模型的数据构造
- 数据构建
- 数据来源：预训练预训练语料抽样和开源文本分类数据，其中预训练语料占比90%，通过数据采样，保证中英文数据占比为1:1
- 标签构造：使用LLM模型对数据进行多次分类判定，筛选多次判定一致的数据作为训练数据
- 数据规模：36K
数据构造的整体流程如下：
模型训练：
参数更新：在预训练的bert模型上添加分类头进行文本分类模型训练
模型选型：考虑的模型性能和推理效率，我们选用了0.5b规模的模型，通过对比实验最终最终选择了bge-m3并全参数训练的方式，作为我们的基座模型
训练超参：全参数训练，max length = 2048，lr=1e-5，batch size=64,，验证集评估acc：86%
how to use
Citation
If you use this classifier or IndustryCorpus2, please cite the source dataset:
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
所选固定版本的完整仓库文件，包括模型权重、配置、分词器，以及作者提供的说明和其他文件。自动保留目录结构，不需要逐个选择或下载。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。