数据集:

• multi_nli 语言: 英文 许可证: mit 管道标签: 零样本分类 标签:
• bart
• 零样本分类

基于BART大模型的NLI零样本文本分类

该模型使用facebook/bart-large架构。

训练数据

本模型采用MultiNLI(MNLI)数据集进行训练，训练方式遵循Yin等人2019年提出的原始方法。

该模型可用于预测某个主题标签是否能分配给给定文本序列，无论该标签是否在训练时出现过。

使用方法与性能表现

训练好的模型可按以下方式使用:

from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline

# 加载模型和分词器
bart_model = AutoModelForSequenceClassification.from_pretrained('navteca/bart-large-mnli')
bart_tokenizer = AutoTokenizer.from_pretrained('navteca/bart-large-mnli')

# 获取预测结果
nlp = pipeline('zero-shot-classification', model=bart_model, tokenizer=bart_tokenizer)

sequence = '总有一天我会环游世界。'
candidate_labels = ['烹饪', '舞蹈', '旅行']

result = nlp(sequence, candidate_labels, multi_label=True)

print(result)

#{
#  "sequence": "总有一天我会环游世界。",
#  "labels": [
#    "旅行",
#    "舞蹈",
#    "烹饪"
#  ],
#  "scores": [
#    0.9941897988319397,
#    0.0060537424869835,
#    0.0020010927692056
#  ]
#}