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
  流水线标签：零样本分类
  评估指标：
• 准确率

零样本基础二分类BERT模型

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会议论文《标签无关预训练用于零样本文本分类》中提出。
模型的训练与评估代码可在此处找到。

模型描述

该模型专为零样本文本分类设计。
作为基线模型，它基于二分类框架，使用经过方面归一化的UTCD数据集进行训练。

• 微调自模型：bert-base-uncased

使用方法

安装我们的Python包：

pip install zeroshot-classifier  

随后，可按如下方式使用模型：

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

>>> 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', '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)  

[[1.1909954e-04 9.9988091e-01]  
 [9.9997509e-01 2.4927122e-05]  
 [9.9997497e-01 2.5082643e-05]  
 [2.4483365e-04 9.9975520e-01]  
 [9.9996781e-01 3.2211588e-05]  
 [9.9985993e-01 1.4002046e-04]  
 [9.9976152e-01 2.3845369e-04]]