nikcheerla/amd-full-v1
nikcheerla
Clasificación de texto
Este es un modelo SetFit que se puede usar para la Clasificación de Texto. Este modelo SetFit utiliza sentence-transformers/paraphrase-mpnet-base-v2 como el modelo de incrustación de Sentence Transformer. Una instancia de LogisticRegression se usa para la clasificación. El modelo ha sido entrenado mediante una técnica eficiente de aprendizaje con pocos ejemplos (few-shot learning) que implica: 1. Afinar un Sentence Transformer con aprendizaje contrastivo. 2. Entrenar una cabeza de clasificación con características del Sentence Transformer afinado.
Como usar
Uso directo para inferencia
Primero instala la biblioteca SetFit:
pip install setfit
Luego, puedes cargar este modelo y ejecutar la inferencia:
from setfit import SetFitModel
# Descargar desde el 🤗 Hub
model = SetFitModel.from_pretrained("nikcheerla/amd-full-v1")
# Ejecutar inferencia
preds = model(["Your call has been forwarded to an automated voice messaging system. 9"])
Funcionalidades
- Modelo SetFit
- Cuerpo de Sentence Transformer: sentence-transformers/paraphrase-mpnet-base-v2
- Cabeza de clasificación: instancia de LogisticRegression
- Longitud máxima de secuencia: 512 tokens
- Número de clases: 2 clases
Casos de uso
- Clasificación de llamadas como 'máquina' o 'humano'.
- Filtrado de llamadas automatizadas.
- Mejorar la respuesta de sistemas automatizados de atención al cliente.