库名称：零样本分类器
标签：

• 变形金刚
• 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

零样本隐式双编码器

这是一个基于sentence-transformers的模型。
该模型由Christopher Clarke、Yuzhao Heng、Yiping Kang、Krisztian Flautner、Lingjia Tang和Jason Mars在ACL'23论文《标签无关的零样本文本分类预训练》中提出。
训练和评估该模型的代码可在此处找到。

模型描述

该模型专为零样本文本分类设计。
它通过使用经过方面归一化的UTCD数据集进行隐式训练，在双编码分类框架下完成训练。

• 微调自模型：bert-base-uncased

使用方法

您可以按以下方式使用该模型：

>>> from sentence_transformers import SentenceTransformer, util as sbert_util  
>>> model = SentenceTransformer(model_name_or_path='claritylab/zero-shot-implicit-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', '获取天气', '播放音乐', '评价书籍', '搜索创意作品',  
>>>     '搜索放映活动'  
>>> ]  
>>> aspect = '意图'  
>>> aspect_sep_token = model.tokenizer.additional_special_tokens[0]  
>>> text = f'{aspect} {aspect_sep_token} {text}'  

>>> 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)  

[  
  0.7989747524261475,  
  0.003968147560954094,  
  0.027803801000118256,  
  0.9257574081420898,  
  0.1492517590522766,  
  0.010640474036335945,  
  0.012045462615787983  
]