B

BERT Banking77

由 philschmid 开发
基于BERT架构的银行客服文本分类模型,在BANKING77数据集上训练,准确率达92.64%
下载量 74
发布时间 : 6/2/2022
模型介绍
内容详情
替代品

模型简介

该模型专门用于银行客服场景的文本意图分类,能够准确识别77种不同的银行相关用户查询类型。

模型特点

高准确率
在BANKING77测试集上达到92.64%的准确率和F1分数
领域专用
专门针对银行客服场景优化,覆盖77种常见银行服务意图
高效推理
基于BERT架构,在保持高性能的同时实现快速推理

模型能力

银行客服文本分类
意图识别
多类别分类

使用案例

银行客服
信用卡查询分类
自动分类用户关于信用卡的查询,如申请状态、账单问题等
准确识别92%以上的信用卡相关查询
账户问题路由
将用户账户相关问题自动路由到正确的处理部门
减少人工分类工作量,提高客服效率