易相
易相_个人页
易相
文章
2
问答
1
视频
0
个人介绍
暂无个人介绍
擅长的技术
暂无更多信息
2023年02月
-
02.09 12:09:09
发表了文章
2023-02-09 12:09:09
零样本文本分类——低资源场景下文本分类的利器
笔者近期在使用一些开源算法解决低资源场景分类时，发现使用一些在modelscope社区上开源的零样本分类模型可以极大提高分类准确率，因此对零样本文本分类模型进行了梳理，希望对大家有所帮助～
2022年11月
-
11.04 22:32:44
回答了问题
2022-11-04 22:32:44
zero-shot分类模型可以作下游的自有数据作微调吗？
赞0 踩0 评论0
2022年08月
-
08.11 20:06:41发表了文章
2022-08-11 20:06:41
世界那么大，我想去看看——探索ModelScope之零样本分类
世界那么大，我想去看看。这句话，是什么类别？ 一个有多年算法工作经验的萌新将在本文中跟大家一起探索ModelScope的零样本分类模型。 文章主要包含实验环境准备、模型测试、原理分析等内容。
滑动查看更多
-
回答了问题
2022-11-04
zero-shot分类模型可以作下游的自有数据作微调吗？
zero-shot分类模型是基于自然语言推理任务构建的，具体实现方式可以参考一下评测文章探索ModelScope之零样本分类中的原理分析部分。这导致了zero-shot模型的训练任务与下游任务并不完全一致。目前modelscope中还未支持直接使用下游任务进行微调，具体实现方式我们也在考量中，敬请期待后续版本的更新。 若想在现有的基础上使用自有数据进行微调，可以将分类任务统一转化为自然语言推理任务，例如一个多分类任务： 待分类样本为：世界那么大，我想去看看。 所有类别为：旅游,家居,科技 标签为：旅游 那么，可生成以下三个训练数据对zero-shot分类模型进行微调： 1.premise：世界那么大，我想去看看，hypothesis：旅游，label: entailment。 2.premise：世界那么大，我想去看看，hypothesis：家居，label: contradiction。 3.premise：世界那么大，我想去看看，hypothesis：科技，label: contradiction。赞0 踩0 评论0
滑动查看更多
暂无更多信息