/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Базовая модель
bert-base-uncased
Опубликована
6 дек 2024

User-Intention-Recognition

Классификация текстаТекст → label3 профессии

Дообученная англоязычная BERT-модель классифицирует сообщения пользователей по 50 намерениям в контексте поддержки и продаж.

17скачиваний за 30 дней6лайковвеса обновлены6 дек 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Savta разработала модель распознавания намерений пользователя в сообщениях. Она дообучена на базе google-bert/bert-base-uncased и использует архитектуру BERT с классификационной головой BertForSequenceClassification. Модель относит входной текст к одному из 50 классов, включая запрос технической поддержки, вопросы о товарах и ценах, возвраты, жалобы, рекомендации и другие намерения в диалоге с компанией.

Модель предназначена для классификации обращений клиентов и маршрутизации сообщений в службах поддержки и продаж. Она содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и рассчитана на английский язык. В метаданных также указан text-generation, но архитектура и перечисленные классы указывают на основное применение как классификатора текста. Лицензия в предоставленных данных не указана.

Сценарии применения

  • определение намерения клиента в обращении
  • маршрутизация запросов в службу поддержки
  • выявление запросов о цене и скидках
  • классификация жалоб и запросов на возврат
  • распознавание интереса к товарам и рекомендациям

Ограничения

Модель ориентирована на английский язык и ограниченный набор из 50 намерений; для других языков и классов потребуется отдельная проверка или дообучение.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Get Started

Usage

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained("Savtale/User-Intention-Recognition")
tokenizer = AutoTokenizer.from_pretrained("Savtale/User-Intention-Recognition")

# User is talking with a chatbot
input_user_text = "Sounds good. I'm interested in trying the free trial. How do I sign up?"

# Tokenizing text
inputs = tokenizer(input_user_text.lower(), return_tensors="pt")

# Predict
with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits

# Prepare result
probabilities = torch.softmax(logits, dim=-1) # Top Match
predicted_class = int(torch.argmax(probabilities)) # Class no.
str_predicted_class = class_dict[str(predicted_class)] # Class String

print(f"Predicted User Intention: {str_predicted_class}") # Predicted User Intention: Request a Demo

Classes

class_dict = { "0": "Ask For Technical Support", "1": "Ask General Question", "2": "Start Conversation", "3": "Express Dissatisfaction", "4": "Request Product Information", "5": "Inquire About Pricing", "6": "Negotiate Price", "7": "Request Return or Refund", "8": "Provide Positive Feedback", "9": "Provide Negative Feedback", "10": "Seek Recommendation", "11": "Request Customization", "12": "Ask About Shipping and Delivery", "13": "Inquire About Warranty and Support", "14": "Express Interest in Upselling", "15": "Express Interest in Cross-selling", "16": "Request Urgent Assistance", "17": "Ask About Promotions and Discounts", "18": "Inquire About Loyalty Programs", "19": "Request a Callback", "20": "Ask About Payment Options", "21": "Express Uncertainty", "22": "Request Clarification", "23": "Confirm Understanding", "24": "End Conversation", "25": "Express Gratitude", "26": "Apologize", "27": "Complain About Customer Service", "28": "Request a Manager", "29": "Ask About Company Policies", "30": "Inquire About Job Opportunities", "31": "Ask About Corporate Social Responsibility", "32": "Express Interest in Investing", "33": "Cancellation", "34": "Ask About Return Policy", "35": "Inquire About Sustainability Practices", "36": "Request a Catalog", "37": "Ask About Brand History", "38": "Express Interest in Partnership", "39": "Inquire About Franchise Opportunities", "40": "Ask About Corporate Events", "41": "Express Interest in Volunteering", "42": "Request a Referral", "43": "Ask About Gift Cards", "44": "Inquire About Product Availability", "45": "Request a Personalized Recommendation", "46": "Ask About Order Status", "47": "Express Interest in a Webinar or Workshop", "48": "Request a Demo", "49": "Ask About Social Media Channels" }

Authors

  • Savta

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
c8d776e

0 моделей