Shopping Assistant

🚀 购物助手模型

本模型经过训练，可将购物优惠信息分类，能根据用户的查询为其提供更优质的推荐。

🚀 快速开始

以下是使用该模型的Python代码示例：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 加载模型和分词器
tokenizer = AutoTokenizer.from_pretrained("selvaonline/shopping-assistant")
model = AutoModelForSequenceClassification.from_pretrained("selvaonline/shopping-assistant")

# 准备输入
text = "I'm looking for headphones"
inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True)

# 获取模型预测结果
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.sigmoid(outputs.logits)

# 加载类别
categories = ["electronics", "clothing", "home", "kitchen", "toys", "other"]

# 获取顶级类别
top_categories = []
for i, score in enumerate(predictions[0]):
    if score > 0.5:  # 多标签分类的阈值
        top_categories.append((categories[i], score.item()))

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

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

✨ 主要特性

• 基于DistilBERT模型，并在购物优惠数据集上进行了微调。
• 能够将购物优惠信息分类为以下类别：电子产品、服装、家居、厨房用品、玩具、其他。
• 可用于为用户提供购物推荐。

📦 安装指南

文档未提及具体安装步骤，可参考transformers库的官方安装说明。

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 加载模型和分词器
tokenizer = AutoTokenizer.from_pretrained("selvaonline/shopping-assistant")
model = AutoModelForSequenceClassification.from_pretrained("selvaonline/shopping-assistant")

# 准备输入
text = "I'm looking for headphones"
inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True)

# 获取模型预测结果
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.sigmoid(outputs.logits)

# 加载类别
categories = ["electronics", "clothing", "home", "kitchen", "toys", "other"]

# 获取顶级类别
top_categories = []
for i, score in enumerate(predictions[0]):
    if score > 0.5:  # 多标签分类的阈值
        top_categories.append((categories[i], score.item()))

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

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

📚 详细文档

模型描述

该模型基于DistilBERT，并在购物优惠数据集上进行了微调。它经过训练，可将优惠信息分类为以下类别：电子产品、服装、家居、厨房用品、玩具、其他。

预期用途与限制

本模型旨在用于对购物优惠信息进行分类，并为用户提供推荐。不应用于其他任何目的。

训练数据

模型在来自DealsFinders.com的购物优惠数据集上进行训练。该数据集根据优惠标题和描述中的关键词自动标注。

训练过程

模型使用Hugging Face Transformers库进行训练。采用多标签分类方法在优惠数据集上进行微调。

评估结果

模型在保留的验证集上进行评估。评估指标包括准确率、精确率、召回率和F1分数。

🔧 技术细节

• 模型类型：基于DistilBERT微调的多标签分类模型。
• 训练数据：来自DealsFinders.com的购物优惠数据集，根据关键词自动标注。
• 训练库：Hugging Face Transformers库。
• 训练方法：多标签分类方法。
• 评估指标：准确率、精确率、召回率和F1分数。

📄 许可证

本项目采用MIT许可证。