Distilbert Bug Classifier

🚀 文本分類器 - 錯誤報告分類器

本項目提供了一個文本分類器，可用於判斷文本是否為錯誤報告，能有效幫助開發者快速篩選和處理用戶反饋。

🚀 快速開始

如何使用此分類器

from transformers import pipeline

pipe = pipeline("text-classification", model="Peterard/distilbert_bug_classifier")

pipe("The app crashed when I opened it this morning. Can you fix this please?")
# [{'label': 'bug', 'score': 0.9042391180992126}]

pipe("Please add a like button!")
# [{'label': 'no_bug', 'score': 0.9977496266365051}]

注意：標籤會根據更可能的類別而變化。

💻 使用示例

基礎用法

from transformers import pipeline

# 初始化分類器
pipe = pipeline("text-classification", model="Peterard/distilbert_bug_classifier")

# 輸入疑似錯誤報告文本
result1 = pipe("The app crashed when I opened it this morning. Can you fix this please?")
print(result1)
# 輸出: [{'label': 'bug', 'score': 0.9042391180992126}]

# 輸入非錯誤報告文本
result2 = pipe("Please add a like button!")
print(result2)
# 輸出: [{'label': 'no_bug', 'score': 0.9977496266365051}]

高級用法

# 批量處理文本
texts = [
    "The app crashed when I opened it this morning. Can you fix this please?",
    "Please add a like button!",
    "I'm getting an error message when I try to save the file."
]
results = pipe(texts)
for text, result in zip(texts, results):
    print(f"文本: {text}")
    print(f"分類結果: {result}")

📚 詳細文檔

示例展示

以下是一些示例文本及其預期分類結果：

標籤說明

• bug：表示文本是一個錯誤報告。
• no_bug：表示文本不是一個錯誤報告。

分數說明

分數表示分類的置信度，越接近 1 表示分類的可信度越高。