Zero Shot Vanilla Binary Bert

🚀 零樣本原生二元BERT

本項目是一個BERT模型，由 Christopher Clarke、Yuzhao Heng、Yiping Kang、Krisztian Flautner、Lingjia Tang 和 Jason Mars 在ACL'23會議論文 Label Agnostic Pre-training for Zero-shot Text Classification 中提出。該模型可用於零樣本文本分類任務，為相關領域的研究和應用提供了新的解決方案。

🚀 快速開始

安裝

安裝我們的 Python 包：

pip install zeroshot-classifier

使用示例

基礎用法

>>> from zeroshot_classifier.models import BinaryBertCrossEncoder
>>> model = BinaryBertCrossEncoder(model_name='claritylab/zero-shot-vanilla-binary-bert')

>>> 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'
>>> ]

>>> query = [[text, lb] for lb in labels]
>>> logits = model.predict(query, apply_softmax=True)
>>> print(logits)

[[1.1909954e-04 9.9988091e-01]
 [9.9997509e-01 2.4927122e-05]
 [9.9997497e-01 2.5082643e-05]
 [2.4483365e-04 9.9975520e-01]
 [9.9996781e-01 3.2211588e-05]
 [9.9985993e-01 1.4002046e-04]
 [9.9976152e-01 2.3845369e-04]]

✨ 主要特性

• 該模型專為零樣本文本分類而設計。
• 在二元分類框架下進行訓練，以 UTCD 數據集作為基線。

📦 安裝指南

安裝我們的 Python 包：

pip install zeroshot-classifier

📚 詳細文檔

模型描述

此模型用於零樣本文本分類，在二元分類框架下進行訓練，以方面歸一化的 UTCD 數據集作為基線。

• 微調自模型：bert-base-uncased

代碼鏈接

訓練和評估此模型的代碼可在 此處 找到。

📄 許可證

本項目採用 MIT 許可證。