Модель на основе BERT определяет намерения пользователей в текстовых запросах к клиентской поддержке.
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
Это модель классификации намерений пользователей в запросах к службе поддержки, созданная на основе BERT и обученная авторами книги «NLP with Transformers» на наборе данных CLINC150. Она предназначена для определения намерения по тексту запроса, например для маршрутизации обращений в клиентском сервисе. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов.
Доступны веса в форматах PyTorch и Flax. В карточке не указаны поддерживаемые естественные языки и лицензия, поэтому их нельзя установить по имеющимся данным.
Модель обучена на CLINC150, поэтому её классы намерений ограничены схемой этого набора данных; точность на других доменах и языках не описана. 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
This model was trained on the CLINC150 dataset for customer intent detection. The dataset can be found on the Hub. The model is used in Chapter 8: Making Transformers Efficient in Production in the NLP with Transformers book. You can find the full code in the accompanying Github repository.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…