This model is InfoXLM-Large fine-tuned on the CeyNews trilingual Sri Lankan news corpus for news category classification. It classifies Tamil, Sinhala, and English news articles into four categories: Local, International, Sports, and Business using the news content

Model Details

Field	Details
Base model	`microsoft/infoxlm-large`
Task	Text Classification (News Category)
Languages	Tamil (`ta`), Sinhala (`si`), English (`en`)
Labels	Local, International, Sports, Business
License	MIT

Usage

python

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
 
model_name = "ltguoj/CeyNews-category-infoxlm-large"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)
model.eval()
 
id2label = {0: "Local", 1: "International", 2: "Sports", 3: "Business"}
 
# Works for Tamil, Sinhala, or English news article content
text = """
ஹம்பாந்தோட்டை, மஹிந்த ராஜபக்ஷ சர்வதேச கிரிக்கெட் விளையாட்டரங்கில் நடைபெற்றுவரும் மேற்கிந்தியத் தீவுகள் கிரிக்கெட் பயிற்சியக அணிக்கு எதிரான நான்கு
நாள் கிரிக்கெட் போட்டியின் 3ஆம் நாள் ஆட்ட நேர முடிவில் வளர்ந்துவரும் வீரர்கள் இலங்கை அணி 5 விக்கெட்களை இழந்து 173 ஓட்டங்களைப் பெற்றிருந்தது. இதற்கு அமைய
இரண்டாவது இன்னிங்ஸில் 5 விக்கெட்கள் மீதம் இருக்க, 148 ஓட்டங்களால் வளர்ந்துவரும் வீரர்கள் இலங்கை அணி முன்னிலையில் இருக்கிறது. முதலாவது இன்னிங்ஸில்
அபார சதம் குவித்த அஞ்சல பண்டார இரண்டாவது இன்னிங்ஸிலும் திறமையாகத் துடுப்பெடுத்தாடி அரைச் சதம் பெற்றார். புலிந்த பெரேராவும் அரை சதம் பெற்றார்.
முன்னதாக போட்டியின் 3ஆம் நாள் காலை தனது இன்னிங்ஸைத் தொடர்ந்த மேற்கிந்தியத் தீவுகள் கிரிக்கெட் பயிற்சியக அணித் தலைவர் ரிவால்டோ க்ளார்க் அபாரமாகத்
துடுப்பெடுத்தாடி சதம் குவித்தார்.
"""  # Tamil example
 
inputs = tokenizer(
    text,
    return_tensors="pt",
    truncation=True,
    max_length=256,
)
with torch.no_grad():
    logits = model(**inputs).logits
 
predicted_id = logits.argmax(dim=-1).item()
print(f"Predicted category: {id2label[predicted_id]}")