amd-partial-phonetree-v1

项目介绍：amd-partial-phonetree-v1

项目背景

amd-partial-phonetree-v1是基于SetFit框架的文本分类模型，主要用于电话语音的分类任务。它结合了高效的少样本学习技术和强大的句子嵌入模型（sentence-transformers/paraphrase-mpnet-base-v2）实现对文本的准确分类。该模型特别适用于需要将语音消息和电话菜单分类的场景。

模型细节

模型描述

模型类型: SetFit
句子嵌入模型: paraphrase-mpnet-base-v2
分类头: LogisticRegression实例
最大序列长度: 512个标记
分类类别: 2个类别（语音信箱和电话菜单）

模型来源

代码库: SetFit 的 GitHub
论文: Efficient Few-Shot Learning Without Prompts
博客: SetFit: Efficient Few-Shot Learning Without Prompts

模型标签

标签	示例
语音信箱	'您的电话已被转接至自动语音信箱'、'劳拉·伯顿——不在。请在提示音后留言'、'抱歉，当前无人接听。'
电话菜单	'感谢您的来电'、'拨打400热线。拨打400热线，只需说您要拨打的号码'、'感谢拨打NatWest集团热线'

使用方法

直接推理

首先，安装SetFit库：

pip install setfit

然后，可以加载模型并运行推理：

from setfit import SetFitModel

# 从🤗 Hub下载模型
model = SetFitModel.from_pretrained("nikcheerla/amd-partial-phonetree-v1")
# 运行推理
preds = model("Thank you for calling CHS. If you are a CHS owner,")

训练细节

训练数据指标

训练集	最小值	中位数	最大值
词汇数	1	8.3697	29

标签	训练样本数量
电话菜单	5010
语音信箱	5486

训练超参数

批量大小: (64, 64)
训练轮数: (3, 3)
最大步骤: -1
采样策略: 过采样
迭代次数: 20
主体学习率: (2e-05, 1e-05)
头部学习率: 0.01
损失: CosineSimilarityLoss
距离度量: cosine_distance
边距: 0.25
端到端: False
使用AMP: True
暖启动比例: 0.1
随机种子: 42
评估最大步骤: -1
最后加载最优模型: True

训练结果

轮数	步骤	训练损失	验证损失
0.0002	1	0.2457	-
1.0	6560	0.0057	0.1113
2.0	13120	0.0198	0.1127
3.0	19680	0.0193	0.117

框架版本

Python: 3.10.12
SetFit: 1.0.1
Sentence Transformers: 2.2.2
Transformers: 4.35.2
PyTorch: 2.0.1+cu118
Datasets: 2.16.1
Tokenizers: 0.15.0

引用

BibTeX

@article{https://doi.org/10.48550/arxiv.2209.11055,
    doi = {10.48550/ARXIV.2209.11055},
    url = {https://arxiv.org/abs/2209.11055},
    author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
    keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
    title = {Efficient Few-Shot Learning Without Prompts},
    publisher = {arXiv},
    year = {2022},
    copyright = {Creative Commons Attribution 4.0 International}
}