library_name: zeroshot_classifier tags:

• transformers
• sentence-transformers
• zeroshot_classifier license: mit datasets:
• claritylab/UTCD language:
• en pipeline_tag: zero-shot-classification metrics:
• accuracy

零样本显式二元BERT分类器

这是一个基于BERT架构的模型。
该模型源自ACL'23会议论文《Label Agnostic Pre-training for Zero-shot Text Classification》（作者：Christopher Clarke, Yuzhao Heng, Yiping Kang, Krisztian Flautner, Lingjia Tang 和 Jason Mars）的研究成果。
模型训练与评估代码详见GitHub仓库。

模型说明

本模型专为零样本文本分类任务设计。
通过采用显式训练策略，在经aspect归一化处理的UTCD数据集上完成二元分类框架下的训练。

• 基础模型: bert-base-uncased

使用方式

安装我们的Python包：

pip install zeroshot-classifier

调用示例：

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

>>> text = "我想把这首曲子加入我的古典放松歌单"
>>> labels = [
>>>     '添加至歌单', '餐厅预订', '查询天气', '播放音乐', '书籍评分', '搜索创意作品',
>>>     '搜索放映活动'
>>> ]

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

[[1.0987393e-03 9.9890125e-01]
 [9.9988937e-01 1.1059999e-04]
 [9.9986207e-01 1.3791372e-04]
 [1.6576477e-03 9.9834239e-01]
 [9.9990320e-01 9.6742726e-05]
 [9.9894422e-01 1.0557596e-03]
 [9.9959773e-01 4.0229000e-04]]