Update README.md

README.md

@@ -1,3 +1,102 @@
----
-license: gemma
----
+---
+license: gemma
+datasets:
+- jslin09/Fraud_Case_Verdicts
+language:
+- zh
+base_model:
+- google/gemma-2-2b
+pipeline_tag: text-generation
+text-generation:
+  parameters:
+    max_length: 400
+    max_new_tokens: 400
+    do_sample: true
+    temperature: 0.75
+    top_k: 50
+    top_p: 0.9
+tags:
+- legal
+widget:
+- text: 王大明意圖為自己不法所有，基於竊盜之犯意，
+  example_title: 生成竊盜罪之犯罪事實
+- text: 騙人布意圖為自己不法所有，基於詐欺取財之犯意，
+  example_title: 生成詐欺罪之犯罪事實
+- text: 梅友乾明知其無資力支付酒店消費，亦無付款意願，竟意圖為自己不法之所有，
+  example_title: 生成吃霸王餐之詐欺犯罪事實
+- text: 闕很大明知金融帳戶之存摺、提款卡及密碼係供自己使用之重要理財工具，
+  example_title: 生成賣帳戶幫助詐欺犯罪事實
+- text: 通訊王明知近來盛行以虛設、租賃、借用或買賣行動電話人頭門號之方式，供詐騙集團作為詐欺他人交付財物等不法用途，
+  example_title: 生成賣電話SIM卡之幫助詐欺犯罪事實
+- text: 趙甲王基於行使偽造特種文書及詐欺取財之犯意，
+  example_title: 偽造特種文書(契約、車牌等)詐財
+library_name: transformers
+---
+# 判決書「犯罪事實」欄草稿自動生成
+本模型是以司法院公開之「詐欺」案件判決書做成之資料集，基於 [Google Gemma2:2b](https://huggingface.co/google/gemma-2-2b) 模型進行微調訓練，可以自動生成詐欺及竊盜案件之犯罪事實段落之草稿。資料集之資料範圍從100年1月1日至110年12月31日，所蒐集到的原始資料共有 74823 篇（判決以及裁定），我們只取判決書的「犯罪事實」欄位內容，並把這原始的資料分成三份，用於訓練的資料集有59858篇，約佔原始資料的80%，剩下的20%，則是各分配10%給驗證集（7482篇），10%給測試集（7483篇）。在本網頁進行測試時，請在模型載入完畢並生成第一小句後，持續按下Compute按鈕，就能持續生成文字。或是輸入自己想要測試的資料到文字框中進行測試。或是可以到[這裡](https://huggingface.co/spaces/jslin09/legal_document_drafting)有更完整的使用體驗。
+
+# 使用範例
+如果要在自己的程式中調用本模型，可以參考下列的 Python 程式碼，藉由呼叫 API 的方式來生成刑事判決書「犯罪事實」欄的內容。
+<details>
+  <summary> 點擊後展開 </summary>
+<pre>
+  <code>
+import requests, json
+from time import sleep
+from tqdm.auto import tqdm, trange
+
+API_URL = "https://api-inference.huggingface.co/models/jslin09/bloom-560m-finetuned-fraud"
+API_TOKEN = 'XXXXXXXXXXXXXXX' # 調用模型的 API token
+headers = {"Authorization": f"Bearer {API_TOKEN}"} 
+
+def query(payload):
+    response = requests.post(API_URL, headers=headers, json=payload)
+    return json.loads(response.content.decode("utf-8"))
+
+prompt = "森上梅前明知其無資力支付酒店消費，亦無付款意願，竟意圖為自己不法之所有，"
+query_dict = {
+	"inputs": prompt,
+}
+text_len = 300
+t = trange(text_len, desc= '生成例稿', leave=True)
+for i in t:
+    response = query(query_dict)
+    try:
+        response_text = response[0]['generated_text']
+        query_dict["inputs"] = response_text
+        t.set_description(f"{i}: {response[0]['generated_text']}")
+        t.refresh()
+    except KeyError:
+        sleep(30) # 如果伺服器太忙無回應，等30秒後再試。
+        pass
+print(response[0]['generated_text'])
+</code>
+</pre>
+</details>
+
+或是，你要使用 transformers 套件來實作你的程式，將本模型下載至你本地端的電腦中執行，可以參考下列程式碼:
+<details>
+  <summary> 點擊後展開 </summary>
+<pre>
+  <code>
+from transformers import AutoTokenizer, AutoModelForCausalLM
+
+tokenizer = AutoTokenizer.from_pretrained("jslin09/bloom-560m-finetuned-fraud")
+model = AutoModelForCausalLM.from_pretrained("jslin09/bloom-560m-finetuned-fraud")
+</code>
+</pre>
+</details>
+
+# 引文訊息
+
+```
+@misc{lin2024legal,
+      title={Legal Documents Drafting with Fine-Tuned Pre-Trained Large Language Model}, 
+      author={Chun-Hsien Lin and Pu-Jen Cheng},
+      year={2024},
+      eprint={2406.04202},
+      archivePrefix={arXiv},
+      primaryClass={cs.CL}
+      url = {https://arxiv.org/abs/2406.04202}
+}
+```