Zero Shot Vanilla Bi Encoder

🚀 零樣本原生雙編碼器

這是一個基於 sentence-transformers 的模型。它在 ACL'23 會議的研究成果論文 Label Agnostic Pre-training for Zero-shot Text Classification 中被提出，作者為 Christopher Clarke、Yuzhao Heng、Yiping Kang、Krisztian Flautner、Lingjia Tang 和 Jason Mars。該模型的訓練和評估代碼可在 此處 找到。

🚀 快速開始

本模型適用於零樣本文本分類任務。它是在雙編碼分類框架下進行訓練的，以經過方面歸一化處理的 UTCD 數據集為基準。

💻 使用示例

基礎用法

>>> from sentence_transformers import SentenceTransformer, util as sbert_util
>>> model = SentenceTransformer(model_name_or_path='claritylab/zero-shot-vanilla-bi-encoder')

>>> text = "I'd like to have this track onto my Classical Relaxations playlist."
>>> labels = [
>>>     'Add To Playlist', 'Book Restaurant', 'Get Weather', 'Play Music', 'Rate Book', 'Search Creative Work',
>>>     'Search Screening Event'
>>> ]

>>> text_embed = model.encode(text)
>>> label_embeds = model.encode(labels)
>>> scores = [sbert_util.cos_sim(text_embed, lb_embed).item() for lb_embed in label_embeds]
>>> print(scores)

[
  0.7219685912132263,
  -0.011121425777673721,
  0.04929959028959274,
  0.6653788089752197,
  0.07093366980552673,
  0.2897151708602905,
  0.06133288890123367
]

📄 許可證

本項目採用 MIT 許可證。