jackietung/bert-base-chinese-finetuned-multi-classification

BERT 中文文本分類模型

這個模型是基於 bert-base-chinese 微調的文本分類模型，可以將文本分類為以下六個類別：

• 會員登入
• 搜尋功能
• 商品相關
• 結帳付款
• 客戶服務
• 其他

模型描述

• 模型基於 bert-base-chinese 微調
• 適用於App中文評論的情感分析
• 輸出標籤：0（會員登入），1（搜尋功能），2（商品相關），3（結帳付款），4（客戶服務），5（其他）
• 使用 Focal Loss 訓練，以處理類別不平衡問題

使用方法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 載入模型和分詞器
tokenizer = AutoTokenizer.from_pretrained("jackietung/bert-base-chinese-multi-classification")
model = AutoModelForSequenceClassification.from_pretrained("jackietung/bert-base-chinese-multi-classification")

# 準備輸入
text = "商品搜尋體驗很好"
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=128)

# 進行預測
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
    predicted_class = torch.argmax(predictions, dim=-1).item()

# 類別映射
label_map = {
    0: '會員登入',
    1: '搜尋功能',
    2: '商品相關',
    3: '結帳付款',
    4: '客戶服務',
    5: '其他'
}

print(f"預測類別: {label_map[predicted_class]}")
print(f"預測機率: {predictions[0][predicted_class].item():.4f}")