lonePatient/Bert-Multi-Label-Text-Classification
این پروژه یک پیاده‌سازی PyTorch از مدل پیش‌آموزش‌دیده BERT برای طبقه‌بندی چندبرچسبی متن (Multi-Label Text Classification) است.
این یعنی هر متن می‌تونه همزمان متعلق به چند دسته باشه، مثل دسته‌بندی خبرها که یک مقاله می‌تونه هم درباره «ورزش» باشه و هم «سیاست». ️
کاربرد:
این مدل زمانی عالی عمل می‌کنه که بخوایم به یک متن، چند تا برچسب مناسب اختصاص بدیم. مثلاً در فیلتر کردن ایمیل‌های تبلیغاتی، دسته‌بندی خودکار مقالات، یا شناسایی موضوعات مختلف در نظرات کاربران. ️
در چه شرایطی بهتره استفاده شود؟
وقتی دیتاست شما دارای متن‌هایی باشه که می‌تونن به چند دسته تعلق داشته باشن و نیاز به دقت بالا در تشخیص هر برچسب دارید. همچنین وقتی می‌خواید از قدرت مدل‌های ترانسفورمر مثل BERT برای درک بهتر مفاهیم زبانی استفاده کنید.
چند مثال از موارد استفاده:
تشخیص چند موضوع در یک مقاله خبری (مثلاً سیاست، اقتصاد، بین‌الملل)
برچسب‌گذاری خودکار تیکت‌های پشتیبانی (مثلاً فنی، پرداخت، کاربری)
تحلیل نظرات کاربران در شبکه‌های اجتماعی برای شناسایی چند حوزه احساسی یا موضوعی
- ##TextClassification
- ##BERT
- ##PyTorch
- ##MultiLabel
- ##NLP
- ##DeepLearning
- ##MachineLearning
- ##Transformer
- ##AI
- ##NaturalLanguageProcessing