LoicDL/bert-base-dutch-cased-finetuned-snli

Aunque esta familia de modelos puede ser utilizada para evaluar conjuntos de datos NLI monolingües, su uso principal es la clasificación de texto cero-shot en holandés. En este contexto, las tareas de clasificación se recastan como problemas NLI. Considere el siguiente emparejamiento de frases que se puede usar para simular un problema de clasificación de sentimientos:

Premisa: La comida en este lugar fue horrenda Hipótesis: Esta es una reseña negativa

Para más información sobre el uso de modelos de Inferencia de Lenguaje Natural para clasificación cero-shot, nos referimos a este artículo.

Por defecto, todos nuestros modelos son totalmente compatibles con el pipeline de Huggingface para clasificación cero-shot. Se pueden descargar y acceder a través del siguiente código:

from transformers import pipeline

classifier = pipeline(
    task="zero-shot-classification",
    model='LoicDL/bert-base-dutch-cased-finetuned-snli'
)

text_piece = "Het eten in dit restaurant is heel lekker."
labels = ["positief", "negatief", "neutraal"]
template = "Het sentiment van deze review is {}"

predictions = classifier(
    text_piece,
    labels,
    multi_class=False,
    hypothesis_template=template
)