模型能力赋能搜索——零样本分类（Zero-Shot Classification）在搜索意图识别上的探索

什么是Zero-Shot Classification

https://huggingface.co/tasks/zero-shot-classification

hugging face上的零样本分类模型

facebook/bart-large-mnli

https://huggingface.co/facebook/bart-large-mnli

当然这是一个英文模型，我们要去用一些多语言的模型。

可以在这里找更多适合自己的

https://huggingface.co/models

零样本分类能力测试效果

当然这是一个英文模型，我们要去用一些多语言的模型。

可以先看看中文效果，也还行

问：请帮我润色一下这句话

分类结果：

用英文测试

问答

问答

问答

总结

摘要

总结

这个案例还是很经典的。它表面上是在问答，实际上是要做总结。

测试结论

        从上述的测试用例来看，分类效果还是很不错的。这样实际上我是可以使用该模型，进行问题意图识别的。因为搜索框，对话框，被传进来的内容类型是未知的。但是不同类型的问题，去到不同的分支上，效果一定是最好的。就像上边的测试案例。通过模型，可以推测出来，输入框的内容到底是什么意图，是总结任务？还是摘要任务？还是问答任务？

       在模型中，我们只需要去定义已知的和能够处理的分支即可。轻松利用模型的能力，来做意图识别。

        当然这是一个初步的探索。想要获得更好的效果，还会要进行模型调优的。