Home Life Improved Classifier (ONNX)

改进的生活类别分类模型 (ONNX 版本)

模型描述

该模型是一个基于 BERT 的分类模型，用于将韩语生活相关问题分类到 8 个类别中。

类别

1. 生活经济/合同
2. 生活维修/DIY
3. 智能家居/家电
4. 烹饪/食品管理
5. 育儿/宠物
6. 搬家/室内装修
7. 清洁/洗衣
8. 环境/健康

性能

• 测试准确率: 87.5% (7/8 案例)
• 相比之前的模型: +37.5% 提升 (50% → 87.5%)

改进事项

• 使用 Hard Negative Learning 学习困难案例
• 复合关键词数据增强 (例如: "空调滤网清洁")
• 应用 Focal Loss (α=0.75, γ=1.5)
• 使用 Early Stopping 防止过拟合

使用方法

import onnxruntime as ort
import numpy as np
from transformers import BertTokenizer

# 加载模型
tokenizer = BertTokenizer.from_pretrained("MongsangGa/home_life_improved-onnx")
session = ort.InferenceSession("model.onnx")

# 推理
text = "김치찌개 맛있게 끓이는 방법"
inputs = tokenizer(text, truncation=True, padding="max_length", max_length=128, return_tensors="np")
ort_inputs = {
    "input_ids": inputs["input_ids"].astype(np.int64),
    "attention_mask": inputs["attention_mask"].astype(np.int64)
}
logits = session.run(None, ort_inputs)[0]

训练详情

• 基础模型: klue/roberta-small
• 学习率: 1e-5
• 批次大小: 32
• Focal Loss: α=0.75, γ=1.5
• Early Stopping: patience=3
• 训练数据: 270,465 条 (原始 + 增强)

许可证

Apache 2.0