Shopping Assistant

🚀 購物助手模型

本模型經過訓練，可將購物優惠信息分類，能根據用戶的查詢為其提供更優質的推薦。

🚀 快速開始

以下是使用該模型的Python代碼示例：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 加載模型和分詞器
tokenizer = AutoTokenizer.from_pretrained("selvaonline/shopping-assistant")
model = AutoModelForSequenceClassification.from_pretrained("selvaonline/shopping-assistant")

# 準備輸入
text = "I'm looking for headphones"
inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True)

# 獲取模型預測結果
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.sigmoid(outputs.logits)

# 加載類別
categories = ["electronics", "clothing", "home", "kitchen", "toys", "other"]

# 獲取頂級類別
top_categories = []
for i, score in enumerate(predictions[0]):
    if score > 0.5:  # 多標籤分類的閾值
        top_categories.append((categories[i], score.item()))

# 按分數排序
top_categories.sort(key=lambda x: x[1], reverse=True)

# 打印結果
for category, score in top_categories:
    print(f"{category}: {score:.4f}")

✨ 主要特性

• 基於DistilBERT模型，並在購物優惠數據集上進行了微調。
• 能夠將購物優惠信息分類為以下類別：電子產品、服裝、家居、廚房用品、玩具、其他。
• 可用於為用戶提供購物推薦。

📦 安裝指南

文檔未提及具體安裝步驟，可參考transformers庫的官方安裝說明。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 加載模型和分詞器
tokenizer = AutoTokenizer.from_pretrained("selvaonline/shopping-assistant")
model = AutoModelForSequenceClassification.from_pretrained("selvaonline/shopping-assistant")

# 準備輸入
text = "I'm looking for headphones"
inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True)

# 獲取模型預測結果
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.sigmoid(outputs.logits)

# 加載類別
categories = ["electronics", "clothing", "home", "kitchen", "toys", "other"]

# 獲取頂級類別
top_categories = []
for i, score in enumerate(predictions[0]):
    if score > 0.5:  # 多標籤分類的閾值
        top_categories.append((categories[i], score.item()))

# 按分數排序
top_categories.sort(key=lambda x: x[1], reverse=True)

# 打印結果
for category, score in top_categories:
    print(f"{category}: {score:.4f}")

📚 詳細文檔

模型描述

該模型基於DistilBERT，並在購物優惠數據集上進行了微調。它經過訓練，可將優惠信息分類為以下類別：電子產品、服裝、家居、廚房用品、玩具、其他。

預期用途與限制

本模型旨在用於對購物優惠信息進行分類，併為用戶提供推薦。不應用於其他任何目的。

訓練數據

模型在來自DealsFinders.com的購物優惠數據集上進行訓練。該數據集根據優惠標題和描述中的關鍵詞自動標註。

訓練過程

模型使用Hugging Face Transformers庫進行訓練。採用多標籤分類方法在優惠數據集上進行微調。

評估結果

模型在保留的驗證集上進行評估。評估指標包括準確率、精確率、召回率和F1分數。

🔧 技術細節

• 模型類型：基於DistilBERT微調的多標籤分類模型。
• 訓練數據：來自DealsFinders.com的購物優惠數據集，根據關鍵詞自動標註。
• 訓練庫：Hugging Face Transformers庫。
• 訓練方法：多標籤分類方法。
• 評估指標：準確率、精確率、召回率和F1分數。

📄 許可證

本項目採用MIT許可證。