pipeline_tag: 句子相似度 tags:

• 句子转换器
• 文本分类 license: gpl-3.0 language:
• 英文

NLBSE23问题报告少样本分类器

这是一个使用Sentence Transformers将句子和段落映射到768维稠密向量空间的SetFit模型。可用于聚类或语义搜索等任务。

该特定模型针对问题报告分类任务进行了微调，共分为4个类别：缺陷、文档、功能、疑问

使用方法

您可以这样使用该模型：

from sentence_transformers.losses import CosineSimilarityLoss
from setfit import SetFitModel
from setfit import SetFitTrainer
sentences = ["第20行存在错误", "添加list_features方法"]

label_mapping = {
  0 : "缺陷",
  1 : "文档",
  2 : "功能",
  3 : "疑问"
}

model = SetFitModel.from_pretrained('PeppoCola/FewShotIssueClassifier-NLBSE23')
predictions = model.predict(sentences)
print([label_mapping[i] for i in predictions])

数据集

本模型基于NLBSE23数据集的子集训练。样本经过人工标注，发布于Zenodo

引用与作者

@software{Colavito_Few-Shot_Learning_for_2023,
	title        = {{问题报告少样本分类学习}},
	author       = {Colavito, Giuseppe and Lanubile, Filippo and Novielli, Nicole},
	year         = 2023,
	month        = 2,
	url          = {https://github.com/collab-uniba/Issue-Report-Classification-NLBSE2023},
	version      = {1.0.0}
}

@dataset{colavito_giuseppe_2023_7628150,
  author       = {Colavito Giuseppe and
                  Lanubile Filippo and
                  Novielli Nicole},
  title        = {问题报告少样本分类学习},
  month        = 2月,
  year         = 2023,
  note         = {{使用前请根据'id'列去重后与原始数据集合并CSV文件}},
  publisher    = {Zenodo},
  doi          = {10.5281/zenodo.7628150},
  url          = {https://doi.org/10.5281/zenodo.7628150}
}

@inproceedings{Colavito-2023,
	title        = {问题报告少样本分类学习},
	author       = {Colavito, Giuseppe and Lanubile, Filippo and Novielli, Nicole},
	year         = 2023,
	booktitle    = {第二届基于自然语言的软件工程国际研讨会(NLBSE)}
}