开源协议: MIT
支持语言:

• 英语
  模型准确率:
• 97%
  基础模型:
• distilbert/distilbert-base-uncased
  任务类型:
• 文本分类

名字真实性分类模型

基于Transformer架构的分类器，用于判断输入的名字属于真实姓名(LABEL_1)还是虚构名称(LABEL_0)。该模型可有效应用于联系表单验证、机器人提交拦截等姓名分类场景。

目录结构

• 项目结构
• 安装指南
• 使用示例
• 支持作者
• 许可协议

项目结构

名字预测项目/
├── .gitattributes
├── README.md
├── 配置文件.json
├── 模型.safetensors
├── 依赖库.txt
├── 特殊标记映射.json
├── 分词器.json
├── 分词器配置.json
└── 词汇表.txt

安装指南

1. 克隆代码库:

git clone https://github.com/Vishodi/First-Name-Classification.git

2. 配置环境: 使用pip安装依赖项:

pip install -r requirements.txt

使用示例

from transformers import pipeline

# 替换为你的模型路径
模型路径 = "vishodi/First-Name-Classification"

# 加载带鉴权的模型管道
分类器 = pipeline(
    "文本分类",
    model=模型路径,
    tokenizer=模型路径,
)

# 测试模型
测试样本 = ["马克", "乱码字符", "无意义组合", "埃隆"]
for 姓名 in 测试样本:
    结果 = 分类器(姓名)
    标签 = 结果[0]['label']
    置信度 = 结果[0]['score']
    print(f"姓名: {姓名} => 预测结果: {标签}, 置信度: {置信度:.4f}")

输出示例:

姓名: 马克 => 预测结果: LABEL_1, 置信度: 0.9994
姓名: 乱码字符 => 预测结果: LABEL_0, 置信度: 0.9985
姓名: 无意义组合 => 预测结果: LABEL_0, 置信度: 0.9982
姓名: 埃隆 => 预测结果: LABEL_1, 置信度: 0.9987

支持作者

许可协议

本项目采用MIT开源协议授权。