许可证：apache-2.0
标签：

• 源自keras回调生成
  模型索引：
• 名称：kasrahabib/KM45L6V2OC
  结果：[]
  语言：
• 英语
  交互示例：
• 文本："START NEW PROJECT功能应允许用户创建新项目。"
  示例标题："需求1"
• 文本："邮箱字符串格式为x@x.x，长度小于31字符且不为空。"
  示例标题："需求2"

kasrahabib/KM45L6V2OC

该模型是基于sentence-transformers/all-MiniLM-L6-v2微调的版本，用于将软件需求分类为功能性（F）与非功能性（NF）类型，训练数据来自软件需求数据集（SWARD）。评估集结果如下：

• 训练损失：0.0107
• 验证损失：0.0404
• 训练轮次：14
• 最终宏观F1分数：0.99

标签说明：
0或F → 功能性需求；
1或NF → 非功能性需求；

使用流程

from transformers import pipeline  

frame_work = 'tf'  
task = 'text-classification'  
model_ckpt = 'kasrahabib/KM45L6V2OC'  

software_requirment_cls = pipeline(task=task, model=model_ckpt, framework=frame_work)  

example_1_f = 'START NEW PROJECT功能应允许用户创建新项目。'  
example_2_nf = '邮箱字符串格式为x@x.x，长度小于31字符且不为空。'  
software_requirment_cls([example_1_f, example_2_nf])  

输出：

[{'label': 'F', 'score': 0.9998922348022461},  
 {'label': 'NF', 'score': 0.999846339225769}]  

模型推理

import numpy as np  
from transformers import AutoTokenizer, TFAutoModelForSequenceClassification  

model_ckpt = 'kasrahabib/KM45L6V2OC'  
tokenizer = AutoTokenizer.from_pretrained(model_ckpt)  
model = TFAutoModelForSequenceClassification.from_pretrained(model_ckpt)  

example_1_f = 'START NEW PROJECT功能应允许用户创建新项目。'  
example_2_nf = '邮箱字符串格式为x@x.x，长度小于31字符且不为空。'  
requirements = [example_1_f, example_2_nf]  

encoded_requirements = tokenizer(requirements, return_tensors='np', padding='longest')  

y_pred = model(encoded_requirements).logits  
classifications = np.argmax(y_pred, axis=1)  

classifications = [model.config.id2label[output] for output in classifications]  
print(classifications)  

输出：

['F', 'NF']  

本地下载使用（如GitHub）

1. 克隆仓库：

git lfs install  
git clone 仓库地址  

2. 定位下载目录路径
3. 将路径写入model_ckpt变量

修改代码如下：

model_ckpt = '路径其余部分/KM45L6V2OC'  
# 其余代码保持不变  

输出示例：

[{'label': 'F', 'score': 0.9998922348022461},  
 {'label': 'NF', 'score': 0.999846339225769}]  

训练超参数

训练时使用以下超参数：

• 优化器：Adam（学习率多项式衰减，初始2e-5，最终0.0，β1=0.9，β2=0.999，ε=1e-8）
• 训练精度：float32

框架版本

• Transformers 4.26.1
• TensorFlow 2.11.0
• Datasets 2.10.1
• Tokenizers 0.13.2