0
点赞
收藏
分享

微信扫一扫

模型能力赋能搜索——零样本分类(Zero-Shot Classification)在搜索意图识别上的探索





模型能力赋能搜索——零样本分类(Zero-Shot Classification)在搜索意图识别上的探索_搜索效果提升


什么是Zero-Shot Classification

https://huggingface.co/tasks/zero-shot-classification




hugging face上的零样本分类模型

facebook/bart-large-mnli

https://huggingface.co/facebook/bart-large-mnli

当然这是一个英文模型,我们要去用一些多语言的模型。

可以在这里找更多适合自己的

https://huggingface.co/models

模型能力赋能搜索——零样本分类(Zero-Shot Classification)在搜索意图识别上的探索_人工智能_02

零样本分类能力测试效果

当然这是一个英文模型,我们要去用一些多语言的模型。

可以先看看中文效果,也还行

问:请帮我润色一下这句话

分类结果:

模型能力赋能搜索——零样本分类(Zero-Shot Classification)在搜索意图识别上的探索_意图识别_03

用英文测试

问答

模型能力赋能搜索——零样本分类(Zero-Shot Classification)在搜索意图识别上的探索_零样本分类_04

问答

模型能力赋能搜索——零样本分类(Zero-Shot Classification)在搜索意图识别上的探索_搜索效果提升_05

问答

模型能力赋能搜索——零样本分类(Zero-Shot Classification)在搜索意图识别上的探索_NLP_06

总结

模型能力赋能搜索——零样本分类(Zero-Shot Classification)在搜索意图识别上的探索_零样本分类_07

摘要

模型能力赋能搜索——零样本分类(Zero-Shot Classification)在搜索意图识别上的探索_搜索效果提升_08

总结

这个案例还是很经典的。它表面上是在问答,实际上是要做总结。

模型能力赋能搜索——零样本分类(Zero-Shot Classification)在搜索意图识别上的探索_意图识别_09

测试结论

        从上述的测试用例来看,分类效果还是很不错的。这样实际上我是可以使用该模型,进行问题意图识别的。因为搜索框,对话框,被传进来的内容类型是未知的。但是不同类型的问题,去到不同的分支上,效果一定是最好的。就像上边的测试案例。通过模型,可以推测出来,输入框的内容到底是什么意图,是总结任务?还是摘要任务?还是问答任务?

       在模型中,我们只需要去定义已知的和能够处理的分支即可。轻松利用模型的能力,来做意图识别。

        当然这是一个初步的探索。想要获得更好的效果,还会要进行模型调优的。

举报

相关推荐

0 条评论