distilbart-mnli-github-issues

项目介绍：distilbart-mnli-github-issues

项目概述

distilbart-mnli-github-issues是一个用于文本分类的项目，主要应用于对GitHub问题进行分类。该项目的核心目标是自动识别一个陈述或报告是否为新功能请求、问题/错误或问题咨询。这个项目利用了NLP（自然语言处理）领域中的零样本分类技术。

使用方法

项目使用“零样本分类”方法，通过BART-large-mnli作为教师模型，对GitHub问题数据集进行训练。模型可以对问题进行分类，标签包括：

• 问题（issue）
• 功能请求（feature request）
• 问题咨询（question）

训练数据

模型的训练数据包括15000个标记为GitHub问题的标题。使用的假设是“这个请求是{}”。教师模型使用的是valhalla/distilbart-mnli-12-1，学生模型使用的是distilbert-base-uncased。训练结果显示出教师和学生模型预测的一致性为94.82%。

结果展示

该项目通过具体的例子展示了其有效性，比如：

• 示例1：注册表单无法使用（被分类为问题）
• 示例2：支持JSON和YAML（被分类为功能请求）
• 示例3：全屏和选项卡媒体键未按预期工作（被分类为问题）

自定义训练指南

如果用户想要使用自己的数据集进行训练，可以按照以下步骤进行：

1. 从GitHub Bugs Prediction 数据集下载训练数据。
2. 修改并运行convert.py以更新路径并转换为CSV格式。
3. 使用CSV文件运行distill.py（详细信息请参见这里）。

致谢

项目感谢Joe Davison撰写的关于现代NLP中零样本学习的文章，以及Jeremy Howard（fast.ai）所贡献的有关“像大师一样迭代”的笔记本教程。通过这些优秀的资源和工具，项目得以实现对GitHub问题的自动分类，提高了用户在问题管理中的效率。

许可证和标签

该项目使用Apache-2.0许可证，属于text-classification管道。项目标签包括customer-service-tickets、github-issues、bart-large-mnli、zero-shot-classification以及NLP等。