库名称：零样本分类器 标签：

• 变形金刚模型
• 句子转换器
• 零样本分类器 许可证：MIT 数据集：
• claritylab/UTCD 语言：
• 英语 管道标签：零样本分类 评估指标：
• 准确率

显式双编码器零样本模型

这是一个基于sentence-transformers框架的模型。
该模型由Christopher Clarke、Yuzhao Heng、Yiping Kang、Krisztian Flautner、Lingjia Tang和Jason Mars在ACL'23会议论文《Label Agnostic Pre-training for Zero-shot Text Classification》中提出。
模型训练与评估代码可在此处获取。

模型描述

本模型专为零样本文本分类任务设计。
通过采用显式训练方法，在经aspect-normalized处理的UTCD数据集上，基于双编码分类框架完成训练。

• 基础模型： bert-base-uncased

使用方法

调用方式如下：

>>> from sentence_transformers import SentenceTransformer, util as sbert_util
>>> model = SentenceTransformer(model_name_or_path='claritylab/zero-shot-explicit-bi-encoder')

>>> text = "我想把这首曲子加入我的古典放松播放列表。"
>>> labels = [
>>>     '添加到播放列表', '预订餐厅', '查询天气', '播放音乐', '书籍评分', '搜索创意作品',
>>>     '搜索放映活动'
>>> ]

>>> text_embed = model.encode(text)
>>> label_embeds = model.encode(labels)
>>> scores = [sbert_util.cos_sim(text_embed, lb_embed).item() for lb_embed in label_embeds]
>>> print(scores)

[
  0.53502357006073,
  0.051911696791648865,
  0.0546676367521286,
  0.5633962750434875,
  0.28765711188316345,
  0.17751818895339966,
  0.18489906191825867
]