metadata
language: multilingual
license: apache-2.0
tags:
- cross-encoder
- sentence-transformers
- text-classification
base_model: cross-encoder/mmarco-mMiniLMv2-L12-H384-v1
Event Match CrossEncoder
Cross-encoder afinado para detectar si dos titulares de noticias hablan del mismo evento real.
- Base model:
cross-encoder/mmarco-mMiniLMv2-L12-H384-v1 - Task: binary classification (mismo_evento / distinto_evento)
- Input: par de titulares (headline, candidato)
- Output: probabilidad de que sean el mismo evento
Uso
Se recomienda utilizar con un 0.9 de punto de corte para minimizar los falsos positivos.
from sentence_transformers.cross_encoder import CrossEncoder
import torch
model = CrossEncoder("eriksarriegui/event-match-mminilm")
score = model.predict([("titular 1", "titular 2")])
prob = torch.sigmoid(torch.tensor(score)).item()
result = prob > 0.9
Resultados
precision recall f1-score support
distinto_evento 0.88 0.96 0.92 1920
mismo_evento 0.96 0.87 0.91 1920
accuracy 0.91 3840
macro avg 0.92 0.91 0.91 3840
weighted avg 0.92 0.91 0.91 3840