連結：https://github.com/EveripediaNetwork/fastc
fastc是一個基於大型語言模型嵌入的簡單且輕量級的文本分類工具。它專注於CPU執行，使用高效的模型如deepset/tinyroberta-6l-768d生成嵌入。透過餘弦相似度分類代替微調，實作文本分類。它還可以在不增加額外開銷的情況下，使用相同的模型執行多個分類器。
需求人群：
- 目標受眾為需要進行文本分類的開發者和資料科學家，尤其適合對計算資源有限制或希望快速部署文本分類模型的場景。
使用場景示例：
- 社交媒體情緒分析，快速判斷使用者留言的情感傾向。
- 產品留言分類，自動將使用者反饋歸類為正面或負面。
- 資訊文章主題分類，將資訊自動分發到相應的主題欄目。
產品特色：
- 專注於CPU執行，使用高效的模型生成嵌入。
- 使用餘弦相似度進行文本分類，無需微調。
- 支援多分類器執行，共享同一模型的嵌入。
- 支援模型訓練和匯出，方便未來使用。
- 可以將模型釋出到HuggingFace模型庫。
- 支援從目錄或HuggingFace載入預訓練模型。
- 提供類預測功能，包括單條和批量預測。
使用教學：
安裝fastc庫：透過Python的包管理工具pip安裝fastc。
準備資料集：收集並整理用於訓練分類器的文本資料。
訓練模型：使用fastc提供的SentenceClassifier類來訓練文本分類器。
儲存模型：訓練完成後，使用save_model方法儲存模型以供後續使用。
載入模型：透過SentenceClassifier類載入本地或HuggingFace上的預訓練模型。
進行預測：使用predict_one或predict方法對新文本進行情感分類預測。