Create README.md

README.md

@@ -0,0 +1,75 @@
+---
+license: mit
+datasets:
+- nsmc
+- skt/kobest_v1
+- jason9693/APEACH
+- kor_nlu
+- klue
+- KETI-AIR/korquad
+language:
+- ko
+pipeline_tag: text-classification
+---
+# 아주대학교 제로샷 score model
+`[CLS] 입력 정보 [SEP] 지시문 [SEP] 라벨 [SEP]` 형태의 텍스트를 모델에 넣으면, 모델이 세 텍스트의 관계를 파악하고 점수를 반환합니다. 점수가 높을 수록, 라벨이 지시문을 잘 따르는 결과임을 의미합니다. 다음과 같은 사례에 사용이 가능합니다.
+
+1. 제로샷 분류(주제 분류, 혐오 분류)
+2. 데이터 필터링(~에 대한 글인가요? 예/아니오)
+
+[space demo](https://huggingface.co/spaces/iknow-lab/azou)에서 모델을 직접 사용해보세요!
+
+
+# 사용 예시
+```
+# Load model directly
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+
+tokenizer = AutoTokenizer.from_pretrained("iknow-lab/azou")
+model = AutoModelForSequenceClassification.from_pretrained("iknow-lab/ko-flan-zero-v0-0731")
+
+def inference(instruction, input, labels):
+ instruction = f"{input} [SEP] {instruction}"
+ inputs = tokenizer([instruction] * len(labels), labels, truncation=True, padding=True, return_tensors="pt")
+ 
+ scores = model(**inputs).logits.squeeze(1).tolist()
+ output = dict(zip(labels, scores))
+
+ print(instruction, output)
+
+inference(
+ "문장을 감성분류해주세요",
+ "아 영화 개노잼",
+ ["긍정적", "부정적"]
+)
+
+inference(
+ "글과 관련된 내용을 만들어주세요",
+ "예전에는 주말마다 극장에 놀러갔는데 요새는 좀 안가는 편이에요",
+ ["영화에 관한 글이다", "드라마에 관한 글입니다"]
+)
+
+
+inference(
+ "글을 읽고 시장에 미칠 영향을 판단해보세요",
+ """인천발 KTX와 관련한 송도역 복합환승센터가 사실상 무산, 단순 철도·버스 위주 환승시설로 만들어진다. 이 때문에 인천시의 인천발 KTX 기점에 앵커시설인 복합환승센터를 통한 인근 지역 경제 활성화를 이뤄낸다는 계획의 차질이 불가피하다.
+
+25일 시에 따르면 연수구 옥련동 104 일대 29만1천725㎡(8만8천평)에 추진 중인 2만8천62가구 규모의 송도역세권구역 도시개발사업과 연계, KTX 송도역 복합환승센터와 상업시설·업무시설 등의 조성을 추진 중이다. """,
+ ["긍정", "부정", "중립"]
+)
+
+```
+
+4epoch 성능 (accuracy)
+|task|win|
+|---|---|
+|nsmc|0.8742|
+|apeach|0.8326|
+|klue-ynat|0.8208|
+|kobest-boolq|0.896|
+|kobest-copa|0.709|
+|kobest-hellaswag|0.764|
+|kobest-sentineg|0.9219|
+|kobest-wic|0.7984|
+
+## 학습에 사용된 데이터