模型介绍
中文整理StructBERT中文事实准确性检测模型介绍
事实准确性检测（fact-checking）任务指判断一对句子对（句子1，句子2）在语义上是否存在事实冲突(包括三类：事实一致、事实冲突、不确定)，可以看作是自然语言推理（NLI）任务的一种类型。
StructBERT事实准确性检测是在structbert-base-chinese预训练模型的基础上，使用24万fact-checking业务数据训练出来的自然语言推理模型。（具体样例可参考代码示例）
模型描述
StructBERT中文事实准确性检测模型基于Structbert-base-chinese，按照BERT论文中的方式，在fact-checking业务数据上fine-tune得到。
期望模型使用方式以及适用范围
你可以使用StructBERT中文事实准确性检测模型，对电商领域事实准确性检测任务进行推理。
输入形如（句子1，句子2）的句子对数据，模型会给出该句子对应的自然语言推理标签 {"事实一致": 0, "事实冲突": 1, "不确定": 2} 以及相应的概率。
如何使用
在安装完成ModelScope-lib，请参考 modelscope环境安装 。
推理代码范例
微调代码范例
敬请期?
模型局限性以及可能的偏差
模型训练数据有限，不能包含所有行业，因此在特定行业数据上，效果可能存在一定偏差。
训练数据介绍
训练数据来源于业务数据，暂不公开。
相关论文以及引用信息
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。