语言:

• 阿拉伯语
• 保加利亚语
• 德语
• 希腊语
• 英语
• 西班牙语
• 法语
• 俄语
• 泰语
• 土耳其语
• 乌尔都语
• 越南语
• 中文
• 多语言

标签:

• 零样本分类

数据集:

• SNLI
• MNLI
• ANLI
• XNLI

一个专为零样本和小样本文本分类训练的交叉注意力NLI模型。

基础模型为xlm-roberta-base，使用此处的代码在SNLI、MNLI、ANLI和XNLI数据集上训练而成。

使用方法:

from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch
import numpy as np

model = AutoModelForSequenceClassification.from_pretrained("symanto/xlm-roberta-base-snli-mnli-anli-xnli")
tokenizer = AutoTokenizer.from_pretrained("symanto/xlm-roberta-base-snli-mnli-anli-xnli")

input_pairs = [
               ("我喜欢这个披萨。", "这句话是积极的。"),
               ("我喜欢这个披萨。", "这句话是消极的。"),
               ("我喜欢这个披萨。", "这句话是正面的。"),
               ("我喜欢这个披萨。", "这句话是负面的。"),
               ("我喜欢这个披萨。", "这句话是肯定的。"),
               ("我喜欢这个披萨。", "这句话是否定的。"),
]
inputs = tokenizer(input_pairs, truncation="only_first", return_tensors="pt", padding=True)
logits = model(**inputs).logits
probs = torch.softmax(logits, dim=1)
probs = probs[..., [0]].tolist()
print("概率", probs)
np.testing.assert_almost_equal(probs, [[0.83], [0.04], [1.00], [0.00], [1.00], [0.00]], decimal=2)