#句子变换器

本项目介绍了SetFit模型在文本分类任务中的应用，利用高效的少样本学习技术，通过对Sentence Transformer进行对比学习微调，并使用微调后的特征训练Logistic Regression分类头，实现文本分类。SetFit模型支持最大512个令牌的序列长度，适用于二分类任务。通过SetFit库，用户可以便捷地安装并使用该模型进行推理，更多信息可在GitHub和相关论文中查阅。

项目专注于利用组合数据集进行信息检索与分类操作，如MedicalQARetrieval、NFCorpus和PublicHealthQA等。模型的评估指标包括精确率、召回率和F1-分数，在多任务如医疗问答和亚马逊评论分类中展现了良好性能。分类和检索任务测试结果显示，该模型在精度和性能上表现优异，为医疗嵌入和临床信息检索提供了有效的解决方案。

此模型使用SentenceTransformers的Cross-Encoder类别进行训练，针对Quora的重复问题数据集评分0至1。虽然不适合评估问题相似性，但在识别重复问题上表现良好。用户可通过sentence_transformers或Transformers的AutoModel类应用该模型，以提升问答系统的精准性和效率。