Nb Bert Base Mnli

🚀 NB - Bert基礎模型在挪威語機器翻譯MNLI上微調

本項目是對NB - Bert基礎模型在挪威語機器翻譯的MNLI數據集上進行微調，為零樣本分類任務提供了有效的解決方案，可用於多種領域的文本分類。

🚀 快速開始

模型測試

若要測試該模型，推薦使用 NbAiLab Colab Notebook。

Hugging Face零樣本分類管道

使用Hugging Face管道是嘗試該模型的最簡單方法。請注意，使用挪威語假設模板而非默認的英語模板時，會得到更好的結果。

from transformers import pipeline
classifier = pipeline("zero-shot-classification", model="NbAiLab/nb-bert-base-mnli")

你可以使用此管道將序列分類到你指定的任何類名中。

sequence_to_classify = 'Folkehelseinstituttets mest optimistiske anslag er at alle voksne er ferdigvaksinert innen midten av september.'
candidate_labels = ['politikk', 'helse', 'sport', 'religion']
hypothesis_template = 'Dette eksempelet er {}.'
classifier(sequence_to_classify, candidate_labels, hypothesis_template=hypothesis_template, multi_class=True)

# {'labels': ['helse', 'politikk', 'sport', 'religion'], 
# 'scores': [0.4210019111633301, 0.0674605593085289, 0.000840459018945694, 0.0007541406666859984],
# 'sequence': 'Folkehelseinstituttets mest optimistiske anslag er at alle over 18 år er ferdigvaksinert innen midten av september.'}

✨ 主要特性

創建一個好的分類器最有效的方法是針對手頭的特定任務微調預訓練模型。然而，在很多情況下這根本無法實現。Yin等人提出了一種非常巧妙的方法，即使用預訓練的MNLI模型作為零樣本序列分類器。該方法通過將問題重新表述為MNLI假設來工作。如果我們想確定一篇文本是否關於“體育”，我們只需聲明 “This text is about sport”（“Denne teksten handler om sport”）。

當模型在40萬個樣本的MNLI任務上進行微調時，在很多情況下它能夠解決這種分類任務。挪威語中沒有如此規模的MNLI數據集，但我們在原始MNLI數據集的機器翻譯版本上對其進行了訓練。

📚 詳細文檔

有關該模型的更多信息，請訪問：https://github.com/NBAiLab/notram 。在這裡你還可以找到一個Colab筆記本，它會更詳細地解釋如何使用零樣本分類管道。

📄 許可證

本項目採用CC - BY - 4.0許可證。