许可证: mit 语言:

• 俄语 小部件示例:
  • 文本: '你好' 示例标题: 示例_1
  • 文本: '你叫什么名字' 示例标题: 示例_2
  • 文本: '如何炖菜' 示例标题: 示例_3
  • 文本: '生命的意义是什么' 示例标题: 示例_4
  • 文本: '我的猫跑了' 示例标题: 示例_5
  • 文本: '什么是车速表' 示例标题: 示例_6
  • 文本: '我叫亚瑟' 示例标题: 示例_7

TeraSpace/对话分类模型

基于xlm-roberta-base构建

0. dialog - 响应对话类语句。例如："你好"
1. trouble - 响应用户描述问题的语句。例如："我牙疼，我的车胎被扎了"
2. question - 响应非对话类问题。例如："普希金什么时候出生的"或"我什么时候能成为百万富翁"
3. about_user - 响应用户描述自身信息的语句。例如："我叫安德烈"
4. about_model - 响应关于助手身份的问题。例如："你叫什么名字，你是谁"
5. instruct - 响应需要指导性回答的问题。例如："如何安装windows，怎么做罗宋汤"

使用方法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

del_symbs = ["?","!",".",","]
classes = ["dialog","trouble","question","about_user","about_model","instruct"]

device = torch.device("cuda")
model_name = 'TeraSpace/replica_classification'
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name, num_labels = len(classes)).to(device)

while True:
    text = input("=>").lower()
    for del_symb in del_symbs:
        text = text.replace(del_symb,"")
        
    inputs = tokenizer(text, truncation=True, max_length=512, padding='max_length',
                            return_tensors='pt').to(device)
    with torch.no_grad():
        logits = model(**inputs).logits
        probas = list(torch.sigmoid(logits)[0].cpu().detach().numpy())
        
    out = classes[probas.index(max(probas))]
    print(out)