Nf Cats

🚀 英文非事實類問題分類模型（NFQA）

本項目聚焦於英文非事實類問題的分類，藉助預訓練模型，能精準識別不同類型的非事實類問題，為自然語言處理相關任務提供有力支持。

🚀 快速開始

模型信息

倉庫地址：https://github.com/Lurunchik/NF-CATS

該模型基於NFQA數據集進行訓練。基礎模型採用 roberta-base-squad2，這是一個基於RoBERTa的問答模型，使用SQuAD2.0數據集進行了微調。

模型使用 NOT-A-QUESTION、FACTOID、DEBATE、EVIDENCE-BASED、INSTRUCTION、REASON、EXPERIENCE、COMPARISON 這些標籤進行分類。

📦 安裝指南

文檔未提及具體安裝步驟，若有需求可參考倉庫代碼進行安裝。

💻 使用示例

基礎用法

加載NFQA模型及其分詞器：

from transformers import AutoTokenizer
from nfqa_model import RobertaNFQAClassification 

nfqa_model = RobertaNFQAClassification.from_pretrained("Lurunchik/nf-cats")
nfqa_tokenizer = AutoTokenizer.from_pretrained("deepset/roberta-base-squad2")

使用輔助函數進行預測：

def get_nfqa_category_prediction(text):
    output = nfqa_model(**nfqa_tokenizer(text, return_tensors="pt"))
    index = output.logits.argmax()
    return nfqa_model.config.id2label[int(index)]

get_nfqa_category_prediction('how to assign category?')
# 結果
#'INSTRUCTION'

📚 詳細文檔

模型演示

你可以通過 hugginface space 對模型進行測試。

📄 許可證

本項目採用MIT許可證。

📖 引用說明

如果你在工作中使用了 NFQA-cats 模型，請引用 這篇論文

@misc{bolotova2022nfcats,
        author = {Bolotova, Valeriia and Blinov, Vladislav and Scholer, Falk and Croft, W. Bruce and Sanderson, Mark},
        title = {A Non-Factoid Question-Answering Taxonomy},
        year = {2022},
        isbn = {9781450387323},
        publisher = {Association for Computing Machinery},
        address = {New York, NY, USA},
        url = {https://doi.org/10.1145/3477495.3531926},
        doi = {10.1145/3477495.3531926},
        booktitle = {Proceedings of the 45th International ACM SIGIR Conference on Research and Development in Information Retrieval},
        pages = {1196–1207},
        numpages = {12},
        keywords = {question taxonomy, non-factoid question-answering, editorial study, dataset analysis},
        location = {Madrid, Spain},
        series = {SIGIR '22}
}

祝你使用愉快！🤗