许可证：cc-by-sa-4.0
语言：日语
任务标签：零样本分类
标签：

• 交叉编码器
• tohoku-nlp/bert-base-japanese-v3
• 自然语言推理
• 自然语言推断

数据集：

• shunk031/jsnli

库名称：sentence-transformers

日语自然语言推理（NLI）交叉编码器

[!注意]
根据JNLI评估结果，我们推荐使用akiFQC/bert-base-japanese-v3_nli-jsnli-jnli-jsick进行日语自然语言推理任务。

本模型使用SentenceTransformers的交叉编码器类训练，基于tohoku-nlp/bert-base-japanese-v3模型构建。

训练数据

模型在JSNLI数据集上训练。对于给定的句子对，模型会输出三个分数，分别对应标签：{0:"蕴含", 1:"中立", 2:"矛盾"}。

使用方法

预训练模型可按如下方式使用：

from sentence_transformers import CrossEncoder  
model = CrossEncoder('akiFQC/bert-base-japanese-v3_nli-jsnli')  
scores = model.predict([('男人正在吃披萨', '男人在吃东西'), ('黑色赛车从观众面前驶离', '男人在无人的道路上行驶')])  

# 将分数转换为标签  
label_mapping = ['蕴含', '中立', '矛盾']  
labels = [label_mapping[score_max] for score_max in scores.argmax(axis=1)]  

通过Transformers库使用

无需SentenceTransformers库，可直接使用Transformers库加载模型：

from transformers import AutoTokenizer, AutoModelForSequenceClassification  
import torch  

model = AutoModelForSequenceClassification.from_pretrained('cross-encoder/nli-deberta-v3-base')  
tokenizer = AutoTokenizer.from_pretrained('cross-encoder/nli-deberta-v3-base')  

features = tokenizer(['男人正在吃披萨', '黑色赛车从观众面前驶离'], ['男人在吃东西', '男人在无人的道路上行驶'], padding=True, truncation=True, return_tensors="pt")  

model.eval()  
with torch.no_grad():  
    scores = model(**features).logits  
    label_mapping = ['矛盾', '蕴含', '中立']  
    labels = [label_mapping[score_max] for score_max in scores.argmax(dim=1)]  
    print(labels)  

零样本分类

该模型也可用于零样本分类任务：

from transformers import pipeline  

classifier = pipeline("零样本分类", model='akiFQC/bert-base-japanese-v3_nli-jsnli')  

sent = "苹果公司刚刚发布了最新款iPhone。"  
candidate_labels = ["科技", "体育", "政治"]  
res = classifier(sent, candidate_labels)  
print(res)  

性能指标

JGLUE-JNLI验证集准确率：0.770