Компактная BERT-модель классифицирует поисковые запросы на вопросы и утверждения для сценариев нейронного поиска.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
shahrukhx01/question-vs-statement-classifier — компактная модель классификации текста на основе BERT, разработанная для разделения поисковых запросов на вопросы и утверждения. Она предназначена для классификации запросов в сценариях нейронного поиска и интеграции с Haystack. Модель содержит около 12 млн параметров, принимает текст длиной до 512 токенов и выдаёт метку класса; опубликованные веса доступны в форматах PyTorch и safetensors.
Карточка не сообщает результаты оценки качества и подробности обучающих данных, поэтому точность классификации на конкретных типах запросов не установлена. Метаданные указывают английский язык. Условия лицензирования в предоставленных данных не описаны.
Карточка не приводит метрик качества и сведений об обучающих данных, поэтому пригодность для конкретных запросов требует оценки. Лицензия в предоставленных данных не указана.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("shahrukhx01/question-vs-statement-classifier")
model = AutoModelForSequenceClassification.from_pretrained("shahrukhx01/question-vs-statement-classifier")
Trained to add the feature for classifying queries between Question Query vs Statement Query using classification in Haystack
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…