数据集概述
本数据集包含CEOML（职业参与度机器学习分类器）开发过程中的原始数据、代码及模型文件，总计11个文件。核心内容为用于量化职业参与度上下文的文本数据、分类模型文件、训练配置及分析代码，支持对职业参与度分类模型的复现与研究。
文件详解
- 模型相关文件
- 文件名称：
pytorch_model.bin、training_args.bin、config.json
- 文件格式：
.bin、.json
- 字段映射介绍：包含训练好的PyTorch模型参数、训练配置参数及模型结构配置信息
- 分词器相关文件
- 文件名称：
tokenizer_config.json、special_tokens_map.json、vocab.txt
- 文件格式：
.json、.txt
- 字段映射介绍：分词器配置参数、特殊 tokens 映射规则及词汇表（含日语词汇及特殊符号如[PAD]、[UNK]等）
- 数据文件
- 文件名称：
data.csv、data1.csv、data2.csv
- 文件格式：
.csv
- 字段映射介绍：包含
label（标签）、feature（文本特征）字段，文本内容为日语职业参与度相关描述
- 代码文件
- 文件名称：
Kappa_coef.ipynb、COEML.ipynb
- 文件格式：
.ipynb
- 字段映射介绍：包含Kappa系数计算代码及CEOML模型开发相关代码
适用场景
- 职业参与度量化研究：利用标注文本数据训练或验证职业参与度分类模型
- 机器学习模型复现：基于模型文件与代码复现CEOML分类器的训练与评估过程
- 自然语言处理应用：分析日语文本特征与职业参与度标签的关联关系
- 统计指标分析：通过Kappa系数代码评估分类模型的一致性与可靠性
