clareandme/multilabel-setfit-model-v2
clareandme
Clasificación de texto
Este es un modelo SetFit entrenado en el conjunto de datos clareandme/multiLabelClassification que se puede usar para Clasificación de Texto. Este modelo SetFit utiliza sentence-transformers/paraphrase-mpnet-base-v2 como el modelo de incrustación de Transformador de Frases. Se utiliza una instancia de OneVsRestClassifier para la clasificación. El modelo ha sido entrenado utilizando una técnica eficiente de aprendizaje con pocos ejemplos que implica: afinación de un Transformador de Frases con aprendizaje contrastivo y entrenamiento de una cabeza de clasificación con características del Transformador de Frases afinado.
Como usar
Para usar este modelo, primero instale la biblioteca SetFit:
pip install setfit
Luego puede cargar este modelo y ejecutar inferencias:
from setfit import SetFitModel
# Descargar desde el 🤗 Hub
model = SetFitModel.from_pretrained("clareandme/multilabel-setfit-model-v2")
# Ejecutar inferencia
preds = model(["La IA y el usuario tienen una conversación sobre maneras de gestionar y sobrellevar la pérdida de un ser querido."])
Funcionalidades
- Tipo de Modelo: SetFit
- Transformador de Frases: sentence-transformers/paraphrase-mpnet-base-v2
- Cabeza de Clasificación: una instancia de OneVsRestClassifier
- Longitud Máxima de la Secuencia: 512 tokens
- Conjunto de Datos de Entrenamiento: clareandme/multiLabelClassification
Casos de uso
- Clasificación de Texto
- Utilizar para clasificación de textos en múltiples etiquetas
- Ayuda en la organización y clasificación de grandes volúmenes de textos
- Implementación de sistemas de recomendación basados en textos
- Soporte en aplicaciones de análisis de sentimientos y minería de opiniones