Update README.md

README.md

@@ -1,69 +1,70 @@
----
-language: zh
-tags:
-- bert
-- multilabel-classification
-- chinese
-- intent-classification
-- time-lbs
-license: mit
----
-
-# 中文多标签意图识别模型（BERT）
-
-这是一个基于 `bert-base-chinese` 微调的多标签分类模型，支持以下任务：
-
-对中文query进行分类
-- 多分类：意图识别（chat / simple question / complex question）
-- 二分类：是否时间相关、是否位置（LBS）相关
-
-## 模型结构
-
-- 基础模型：[`bert-base-chinese`](https://huggingface.co/bert-base-chinese)
-- 输出层：一个 5 维的 sigmoid 多标签输出向量
-  - `[意图-chat, 意图-simple, 意图-complex, 是否时间相关, 是否LBS相关]`
-
-## 使用方法
-
-```python
-import torch
-from transformers import BertTokenizer
-from bert_classifier_3 import BertMultiLabelClassifier
-
-# 加载 tokenizer 和模型
-tokenizer = BertTokenizer.from_pretrained("your-username/bert-multilabel-chinese")
-model = BertMultiLabelClassifier(pretrained_model_path="your-username/bert-multilabel-chinese")
-model.load_state_dict(torch.load("pytorch_model.bin", map_location="cpu"))
-model.eval()
-
-# 定义标签
-intent_labels = ["chat", "simple question", "complex question"]
-yesno_labels = ["否", "是"]
-
-# 定义预测函数
-def predict(query):
-    enc = tokenizer(
-        query,
-        truncation=True,
-        padding="max_length",
-        max_length=128,
-        return_tensors="pt"
-    )
-    with torch.no_grad():
-        logits = model(enc["input_ids"], enc["attention_mask"])
-        probs = torch.sigmoid(logits).squeeze(0)
-        intent_index = torch.argmax(probs[:3]).item()
-        is_time = int(probs[3] > 0.5)
-        is_lbs = int(probs[4] > 0.5)
-
-        return {
-            "query": query,
-            "意图": intent_labels[intent_index],
-            "是否时间相关": yesno_labels[is_time],
-            "是否lbs相关": yesno_labels[is_lbs],
-            "原始概率": probs.tolist()
-        }
-
-# 示例查询
-result = predict("明天北京天气怎么样？")
-print(result)
+---
+language: zh
+tags:
+- bert
+- multilabel-classification
+- chinese
+- intent-classification
+- time-lbs
+base_model:
+- google-bert/bert-base-chinese
+---
+
+# 中文多标签意图识别模型（BERT）
+
+这是一个基于 `bert-base-chinese` 微调的多标签分类模型，支持以下任务：
+
+对中文query进行分类
+- 多分类：意图识别（chat / simple question / complex question）
+- 二分类：是否时间相关、是否位置（LBS）相关
+
+## 模型结构
+
+- 基础模型：[`bert-base-chinese`](https://huggingface.co/bert-base-chinese)
+- 输出层：一个 5 维的 sigmoid 多标签输出向量
+  - `[意图-chat, 意图-simple, 意图-complex, 是否时间相关, 是否LBS相关]`
+
+## 使用方法
+
+```python
+import torch
+from transformers import BertTokenizer
+from bert_classifier_3 import BertMultiLabelClassifier
+
+# 加载 tokenizer 和模型
+tokenizer = BertTokenizer.from_pretrained("Xiaoxi2333/bert-multilabel-chinese")
+model = BertMultiLabelClassifier(pretrained_model_path="Xiaoxi2333/bert-multilabel-chinese")
+model.load_state_dict(torch.load("pytorch_model.bin", map_location="cpu"))
+model.eval()
+
+# 定义标签
+intent_labels = ["chat", "simple question", "complex question"]
+yesno_labels = ["否", "是"]
+
+# 定义预测函数
+def predict(query):
+    enc = tokenizer(
+        query,
+        truncation=True,
+        padding="max_length",
+        max_length=128,
+        return_tensors="pt"
+    )
+    with torch.no_grad():
+        logits = model(enc["input_ids"], enc["attention_mask"])
+        probs = torch.sigmoid(logits).squeeze(0)
+        intent_index = torch.argmax(probs[:3]).item()
+        is_time = int(probs[3] > 0.5)
+        is_lbs = int(probs[4] > 0.5)
+
+        return {
+            "query": query,
+            "意图": intent_labels[intent_index],
+            "是否时间相关": yesno_labels[is_time],
+            "是否lbs相关": yesno_labels[is_lbs],
+            "原始概率": probs.tolist()
+        }
+
+# 示例查询
+result = predict("明天北京天气怎么样？")
+print(result)