码力全开

Popular posts

1. 在Rasa Pro应用中调试执行动作

   如何在Rasa Pro应用中调试其action

   AI

2. 使用BERT实现中文层次化分类

   最近项目中需要实现类似如下的一个工单需求:

   怎么电梯又坏了,这个月都坏了多少次了? -> 一级应急安全 / 电梯维修
   

   即根据一段文本将其划分了多级的分类,而这些分类具有层次化。结果发现这是NLP中一个难点与热点问题,即Hierachical (multi-label) text classification(HMC),层次多标签分类任务。

   对于这个问题,可以使用NeuralNLP-NeuralClassifier中的方案解决。

   下面我们通过StructBERT及二郎神大模型来实现类似的效果。

   from transformers import pipeline
   from transformers import AutoModelForSequenceClassification, AutoTokenizer
   
   model_checkpoint = "StructBERT"
   classifier = pipeline("zero-shot-classification",model_checkpoint)
   
   text = "昨天下的单今天就发货了，速度超快！但收到后发现耳机左耳没声音，联系客服说要寄回检测，流程太麻烦。"
   candidate_labels = [
       ["[情感]正面","[情感]负面","[情感]中性"],
       ["[主题]物流","[主题]新闻","[主题]质量","[主题]售后","[主题]科技","[主题]娱乐","[主题]饮食"]
   ]
   result = classifier(
       text, 
       candidate_labels=candidate_labels,
       hypothesis_template="这段文本属于{}类别。",
   )
   scores_dict = dict(zip(result['labels'], result['scores']))
   max_labels = {}
   for k,v in scores_dict.items():
       start = k.find("[")
       end = k.find("]")
       t = k[start:end+1]
       if t in max_labels:
           score = max_labels[t][1]
           if v > score:
                max_labels[t] = (k[end+1:], v)
       else:
           max_labels[t] = (k[end+1:],v)
   print("文本: {}\n".format(text))
   for k,v in max_labels.items():
       print(k,v[0])
   

   其结果类似如下:

   AI

3. 自购电脑还是领取公司补贴?

   如果给你一份公司,是该自购电脑还是领取公司补贴呢?

   other

4. Trae添加自定义MCP服务

   如何在Trae中添加自定义MCP服务

   AI

5. GLM-4中使用MCP服务

   如何在GLM-4模型中使用MCP服务

   AI

6. 使用openDLP进行敏感数据识别

   使用openDLP对敏感数据进行识别,防止信息泄露

   AI