Clasificare zero-shot și QNLI

Procesarea Limbajului Natural (NLP) în Python

Fouad Trad

Machine Learning Engineer

Clasificare zero-shot

Permite modelului să atribuie text unor etichete nevăzute anterior
Folosește predicția în limbaj natural pentru a obține rezultatul
Util pentru:
- Etichetarea conținutului
- Suport clienți
- Filtrarea articolelor de știri

Imagine cu textul „The national football team won the cup yesterday" care trebuie clasificat în trei categorii: sports, technology și health.

Pipeline de clasificare zero-shot

from transformers import pipeline

zero_shot_classifier = pipeline(

  task="zero-shot-classification",

  model="MoritzLaurer/DeBERTa-v3-base-mnli-fever-anli"
)

text = "The national football team won the cup yesterday."

candidate_labels = ["sports", "technology", "health"]

result = zero_shot_classifier(text, candidate_labels)

print(result)

{'sequence': 'The national football team won the cup yesterday.',
 'labels': ['sports', 'technology', 'health'], 
 'scores': [0.9948731064796448, 0.0029330444522202015, 0.002193822991102934]}

Inferența în limbaj natural pe bază de întrebări (QNLI)

Determină dacă răspunsul la o întrebare se găsește într-un pasaj
Util pentru:
- Căutare în documente
- Chatboți
- Regăsirea informațiilor

Imagine care arată că QNLI primește un pasaj și o întrebare și returnează un scor.

Pipeline QNLI

from transformers import pipeline

qnli_pipeline = pipeline(
    task="text-classification", 
    model="cross-encoder/qnli-electra-base"
    )

passage = "Penguins are found primarily in the Southern Hemisphere."

question = "Where do penguins live?"

result = qnli_pipeline({"text": question, "text_pair": passage})

print(result)

{'label': 'LABEL_0', 'score': 0.9951545000076294}

Pipeline QNLI

from transformers import pipeline
qnli_pipeline = pipeline(
    task="text-classification", 
    model="cross-encoder/qnli-electra-base"
    )
passage = "Penguins are found primarily in the Southern Hemisphere."
question = "What is the capital of Paris?"
result = qnli_pipeline({"text": question, "text_pair": passage})
print(result)

{'label': 'LABEL_0', 'score': 0.008907231502234936}

Să exersăm!

Procesarea Limbajului Natural (NLP) în Python