语言:

• 英语 许可证: mit

标签:

• 文本分类

推理: false

小部件:

• 文本: "为什么我们需要NFQA分类法？"

英语非事实性问题类别分类

NFQA模型

代码库: https://github.com/Lurunchik/NF-CATS

该模型使用NFQA数据集训练。基础模型为roberta-base-squad2，这是一个基于RoBERTa的问答任务模型，通过SQuAD2.0数据集进行了微调。

使用NOT-A-QUESTION（非问题）、FACTOID（事实型）、DEBATE（辩论型）、EVIDENCE-BASED（证据型）、INSTRUCTION（指导型）、REASON（原因型）、EXPERIENCE（经验型）、COMPARISON（比较型）标签。

如何使用HuggingFace运行NFQA分类

加载NFQA分类模型及其分词器：

from transformers import AutoTokenizer

from nfqa_model import RobertaNFQAClassification 

nfqa_model = RobertaNFQAClassification.from_pretrained("Lurunchik/nf-cats")
nfqa_tokenizer = AutoTokenizer.from_pretrained("deepset/roberta-base-squad2")

使用辅助函数进行预测：

def get_nfqa_category_prediction(text):
    output = nfqa_model(**nfqa_tokenizer(text, return_tensors="pt"))
    index = output.logits.argmax()
    return nfqa_model.config.id2label[int(index)]

get_nfqa_category_prediction('如何分配类别？')
# 结果
#'INSTRUCTION'

演示

您可以通过huggingface空间测试该模型。

引用

如果您在研究中使用了NFQA-cats，请引用这篇论文

@misc{bolotova2022nfcats,
        author = {Bolotova, Valeriia and Blinov, Vladislav and Scholer, Falk and Croft, W. Bruce and Sanderson, Mark},
        title = {A Non-Factoid Question-Answering Taxonomy},
        year = {2022},
        isbn = {9781450387323},
        publisher = {Association for Computing Machinery},
        address = {New York, NY, USA},
        url = {https://doi.org/10.1145/3477495.3531926},
        doi = {10.1145/3477495.3531926},
        booktitle = {Proceedings of the 45th International ACM SIGIR Conference on Research and Development in Information Retrieval},
        pages = {1196–1207},
        numpages = {12},
        keywords = {question taxonomy, non-factoid question-answering, editorial study, dataset analysis},
        location = {Madrid, Spain},
        series = {SIGIR '22}
}

祝您使用愉快！🤗