Bert Base Chinese Finetuned Intent Recognition Biomedical

🚀 微調版中文BERT基礎模型用於意圖識別任務

本項目是對中文BERT基礎模型進行微調，以用於在數據集上執行意圖識別任務。該模型能夠有效識別生物醫學領域文本的意圖，為相關應用提供有力支持。

🚀 快速開始

環境準備

確保你已經安裝了transformers庫，若未安裝，可以使用以下命令進行安裝：

pip install transformers

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
from transformers import TextClassificationPipeline

tokenizer = AutoTokenizer.from_pretrained("nlp-guild/bert-base-chinese-finetuned-intent_recognition-biomedical")
model = AutoModelForSequenceClassification.from_pretrained("nlp-guild/bert-base-chinese-finetuned-intent_recognition-biomedical")
nlp = TextClassificationPipeline(model = model, tokenizer = tokenizer)

label_set = [
'定義',
'病因',
'預防',
'臨床表現(病症表現)',
'相關病症',
'治療方法',
'所屬科室',
'傳染性',
'治癒率',
'禁忌',
'化驗/體檢方案',
'治療時間',
'其他'
]

def readable_results(top_k:int, usr_query:str):
    raw = nlp(usr_query, top_k = top_k)
    def f(x):
        index = int(x['label'][6:])
        x['label'] = label_set[index]
    
    for i in raw:
        f(i)
    return raw
 
readable_results(3,'得了心臟病怎麼辦')

'''
[{'label': '治療方法', 'score': 0.9994503855705261},
 {'label': '其他', 'score': 0.00018375989748165011},
 {'label': '臨床表現(病症表現)', 'score': 0.00010841596667887643}]
'''

高級用法

# 你可以根據實際需求修改top_k的值，以獲取不同數量的預測結果。
# 同時，你可以將usr_query替換為你自己的文本，以進行不同文本的意圖識別。
# 例如，你可以循環處理多個用戶查詢：

queries = ['心臟病的病因是什麼', '如何預防心臟病']
for query in queries:
    results = readable_results(3, query)
    print(f"查詢: {query}")
    print(f"結果: {results}")