|
--- |
|
license: bigscience-bloom-rail-1.0 |
|
datasets: |
|
- jslin09/Fraud_Case_Verdicts |
|
language: |
|
- zh |
|
metrics: |
|
- accuracy |
|
pipeline_tag: text-generation |
|
text-generation: |
|
parameters: |
|
max_length: 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: 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， |
|
example_title: 生成吃霸王餐之詐欺犯罪事實 |
|
- text: 余衡闕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 |
|
--- |
|
|
|
# 判決書例稿自動生成 |
|
本模型是以司法院公開之刑事判決書（案由為詐欺）為資料集，以判決書中「犯罪事實」欄之內容為素材，基於 [BLOOM 560m](https://huggingface.co/bigscience/bloomz-560m) 小模型進行遷移學習訓練。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。 |
|
|
|
# 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。 |
|
<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" |
|
headers = {"Authorization": "Bearer XXXXXXXXXXXXXXX"} # 調用模型的 API token |
|
|
|
def query(payload): |
|
response = requests.post(API_URL, headers=headers, json=payload) |
|
return json.loads(response.content.decode("utf-8")) |
|
|
|
query_dict = { |
|
"inputs": "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，", |
|
} |
|
text_len = 150 |
|
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> |
