🚀 德语零样本分类模型

本模型是一个用于文本分类的模型，基于GBERT Large微调而来，在德语零样本分类任务上表现出色，可灵活应用于多种德语场景。

🚀 快速开始

零样本分类管道示例

from transformers import pipeline
classifier = pipeline("zero-shot-classification",
                      model="Sahajtomar/German_Zeroshot")
sequence = "Letzte Woche gab es einen Selbstmord in einer nahe gelegenen kolonie"
candidate_labels = ["Verbrechen","Tragödie","Stehlen"]
hypothesis_template = "In deisem geht es um {}."    ## 由于是单语言模型，它对假设模板很敏感。可以进行实验

classifier(sequence, candidate_labels, hypothesis_template=hypothesis_template)
"""{'labels': ['Tragödie', 'Verbrechen', 'Stehlen'],
 'scores': [0.8328856854438782, 0.10494536352157593, 0.06316883927583696],
 'sequence': 'Letzte Woche gab es einen Selbstmord in einer nahe gelegenen Kolonie'}"""

✨ 主要特性

• 以 GBERT Large 为基础模型，并在 xnli de 数据集上进行了微调。
• 默认假设模板为英文：This text is {}，使用该模型时，需将其更改为 "In deisem geht es um {}." 或其他合适的模板。因为模型是单语言而非多语言，所以假设模板需要相应更改。

📚 详细文档

模型评估

XNLI DEV（德语）

准确率：85.5

XNLI TEST（德语）

准确率：83.6

注意事项

⚠️ 重要提示

通过Hugging Face API进行推理时可能会得到较差的结果，因为它默认使用英文模板。由于模型是单语言模型，假设模板需要相应更改。