文本分类

文本分类是将标签或类别分配给给定文本的任务。一些用例是情感分析、自然语言推理和评估语法正确性。

有关 text-classification 任务的更多详细信息，请查看其专用页面！您将在其中找到示例和相关材料。

使用 API

语言

客户端

提供者

设置

from huggingface_hub import InferenceClient

client = InferenceClient(
    provider="hf-inference",
    api_key="hf_xxxxxxxxxxxxxxxxxxxxxxxx",
)

result = client.text_classification(
    inputs="I like you. I love you",
    model="cardiffnlp/twitter-roberta-base-sentiment-latest",
)

API 规范

请求

载荷
inputs*	字符串	要分类的文本
parameters	对象
function_to_apply	枚举	可能的值：sigmoid、softmax、none。
top_k	整数	指定时，将输出限制为前 K 个最可能的类别。

一些选项可以通过将标头传递给 Inference API 进行配置。以下是可用的标头

标头
authorization	字符串	形式为 `'Bearer: hf_**'` 的身份验证标头，其中 `hf_**` 是具有 Inference API 权限的个人用户访问令牌。您可以从您的设置页面生成一个。
x-use-cache	布尔值，默认为 `true`	推理 API 上有一个缓存层，用于加速我们已经看到的请求。大多数模型都可以使用这些结果，因为它们是确定性的（意味着输出无论如何都是相同的）。但是，如果您使用非确定性模型，则可以设置此参数以防止使用缓存机制，从而产生真正的全新查询。阅读有关缓存的更多信息此处。
x-wait-for-model	布尔值，默认为 `false`	如果模型尚未准备就绪，请等待它而不是收到 503 错误。它限制了完成推理所需的请求数量。建议仅在收到 503 错误后才将此标志设置为 true，因为它会将应用程序中的挂起限制在已知位置。阅读有关模型可用性的更多信息此处。

有关 Inference API 标头的更多信息，请查看参数指南。

响应

正文
（数组）	object[]	输出是对象数组。
label	字符串	预测的类别标签。
score	数字	相应的概率。

< > 在 GitHub 上更新

Inference Providers

文本分类

推荐模型

使用 API

API 规范

请求

响应