G

Gliclass Small V1.0

由knowledgator開發
一款高效的零樣本分類器,基於合成數據訓練,適用於主題分類、情感分析及RAG流程中的重排序任務
下載量 416
發布時間 : 7/3/2024

模型概述

受GLiNER啟發的輕量級文本分類模型,通過單次前向傳播完成多標籤分類,在保持與交叉編碼器同等性能的同時具有更高計算效率

模型特點

高效零樣本分類
單次前向傳播即可完成多標籤分類,計算效率優於傳統交叉編碼器
多任務適用性
支持主題分類、情感分析等多種文本分類任務
RAG集成
可作為檢索增強生成流程中的高效重排序器使用
商業友好
基於合成數據訓練,可安全應用於商業場景

模型能力

零樣本文本分類
多標籤分類
情感分析
主題識別
檢索結果重排序

使用案例

內容分類
新聞主題分類
自動識別新聞文章所屬的主題類別
在AG新聞數據集上達到0.7252 F1分數
影評情感分析
分析電影評論的情感傾向
在IMDB數據集上達到0.9048 F1分數
企業應用
客服工單分類
自動將客戶諮詢分類到相應業務部門
在銀行客服數據集上達到0.1768 F1分數
產品反饋分析
從用戶反饋中提取關鍵主題和情感
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase