库名称：零样本分类器
标签：

• 变形金刚
• 句子变形金刚
• 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

零样本隐式二元BERT

这是一个BERT模型。
它由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。
它通过隐式训练，在基于方面归一化的UTCD数据集上，以二元分类框架进行训练。

• 微调自模型：bert-base-uncased

使用方法

安装我们的Python包：

pip install zeroshot-classifier  

然后，您可以按如下方式使用模型：

>>> from zeroshot_classifier.models import BinaryBertCrossEncoder  
>>> model = BinaryBertCrossEncoder(model_name='claritylab/zero-shot-implicit-binary-bert')  

>>> text = "我想把这首曲目添加到我的古典放松播放列表中。"  
>>> labels = [  
>>>     '添加到播放列表', '预订餐厅', '获取天气', '播放音乐', '评分书籍', '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}'  

>>> query = [[text, lb] for lb in labels]  
>>> logits = model.predict(query, apply_softmax=True)  
>>> print(logits)  

[[7.3497969e-04 9.9926502e-01]  
 [9.9988127e-01 1.1870124e-04]  
 [9.9988961e-01 1.1033980e-04]  
 [1.9227572e-03 9.9807727e-01]  
 [9.9985313e-01 1.4685343e-04]  
 [9.9938977e-01 6.1021477e-04]  
 [9.9838030e-01 1.6197052e-03]]