Update README.md
Browse files
README.md
CHANGED
|
@@ -2,4 +2,15 @@
|
|
| 2 |
license: apache-2.0
|
| 3 |
---
|
| 4 |
|
| 5 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 2 |
license: apache-2.0
|
| 3 |
---
|
| 4 |
|
| 5 |
+
# 有害コンテンツ判定のための有害濃縮語彙モデル(32k) for NLP2024
|
| 6 |
+
|
| 7 |
+
トークナイザのテキスト圧縮率を算出するためのモデル
|
| 8 |
+
|
| 9 |
+
## Model Description
|
| 10 |
+
|
| 11 |
+
mC4から抽出した有害テキストに、SentencePieceのユニグラムモードを適用して構築した有害語彙モデル
|
| 12 |
+
|
| 13 |
+
## 圧縮率の算出方法
|
| 14 |
+
|
| 15 |
+
圧縮率 = 1 - (トークン数/元々のテキスト文字列長)
|
| 16 |
+
|