Corrigeer voorbeeldwaarden naar werkelijke modeloutput
Browse files
README.md
CHANGED
|
@@ -55,10 +55,16 @@ lijst.
|
|
| 55 |
|
| 56 |
```python
|
| 57 |
model.choice(tokenizer,
|
| 58 |
-
"
|
| 59 |
-
["
|
| 60 |
-
# [{"label": "
|
| 61 |
-
# {"label": "
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 62 |
```
|
| 63 |
|
| 64 |
Voor gevallen waar meerdere labels tegelijk waar kunnen zijn:
|
|
@@ -74,14 +80,14 @@ je zelf de drempel bepaalt die bij jouw proces past.
|
|
| 74 |
|
| 75 |
```python
|
| 76 |
model.noul(tokenizer,
|
| 77 |
-
"Er
|
| 78 |
"Dit is een spoedeisende melding.")
|
| 79 |
-
# {"truth": 0.
|
| 80 |
|
| 81 |
model.noul(tokenizer,
|
| 82 |
-
"
|
| 83 |
"Dit is een spoedeisende melding.")
|
| 84 |
-
# {"truth": 0.
|
| 85 |
```
|
| 86 |
|
| 87 |
### Zonder trust_remote_code
|
|
@@ -132,13 +138,13 @@ tekst = ("Al drie dagen ligt er een dode boom over het fietspad aan de "
|
|
| 132 |
"Dorpsstraat, gevaarlijke situatie voor fietsers, graag snel actie.")
|
| 133 |
|
| 134 |
classify.choice(tokenizer_c, tekst, ["openbare ruimte", "vergunningen", "burgerzaken"])
|
| 135 |
-
# [{"label": "openbare ruimte", "confidence": 0.
|
| 136 |
|
| 137 |
classify.noul(tokenizer_c, tekst, "Dit is een spoedeisende melding.")
|
| 138 |
-
# {"truth": 0.
|
| 139 |
|
| 140 |
extract.extract(tokenizer_e, tekst, "Waar is het probleem?")
|
| 141 |
-
# {"value": "Dorpsstraat", "confidence":
|
| 142 |
```
|
| 143 |
|
| 144 |
Van vrije tekst naar een compleet ingevuld formulier, in een fractie van de tijd
|
|
|
|
| 55 |
|
| 56 |
```python
|
| 57 |
model.choice(tokenizer,
|
| 58 |
+
"Kan ik mijn abonnement een maand pauzeren?",
|
| 59 |
+
["klacht", "vraag", "compliment"])
|
| 60 |
+
# [{"label": "vraag", "confidence": 0.68},
|
| 61 |
+
# {"label": "klacht", "confidence": 0.18},
|
| 62 |
+
# {"label": "compliment", "confidence": 0.15}]
|
| 63 |
+
|
| 64 |
+
model.choice(tokenizer,
|
| 65 |
+
"De stoeptegels op de Molenstraat liggen los.",
|
| 66 |
+
["openbare ruimte", "vergunningen", "burgerzaken", "belastingen", "sociaal domein"])
|
| 67 |
+
# [{"label": "openbare ruimte", "confidence": 0.61}, ...]
|
| 68 |
```
|
| 69 |
|
| 70 |
Voor gevallen waar meerdere labels tegelijk waar kunnen zijn:
|
|
|
|
| 80 |
|
| 81 |
```python
|
| 82 |
model.noul(tokenizer,
|
| 83 |
+
"Er ligt een gaslek open op straat, mensen worden geëvacueerd!",
|
| 84 |
"Dit is een spoedeisende melding.")
|
| 85 |
+
# {"truth": 0.72}
|
| 86 |
|
| 87 |
model.noul(tokenizer,
|
| 88 |
+
"Dit is niet urgent, maar de bank in het park kan wel geschilderd worden.",
|
| 89 |
"Dit is een spoedeisende melding.")
|
| 90 |
+
# {"truth": 0.16}
|
| 91 |
```
|
| 92 |
|
| 93 |
### Zonder trust_remote_code
|
|
|
|
| 138 |
"Dorpsstraat, gevaarlijke situatie voor fietsers, graag snel actie.")
|
| 139 |
|
| 140 |
classify.choice(tokenizer_c, tekst, ["openbare ruimte", "vergunningen", "burgerzaken"])
|
| 141 |
+
# [{"label": "openbare ruimte", "confidence": 0.75}, ...]
|
| 142 |
|
| 143 |
classify.noul(tokenizer_c, tekst, "Dit is een spoedeisende melding.")
|
| 144 |
+
# {"truth": 0.77}
|
| 145 |
|
| 146 |
extract.extract(tokenizer_e, tekst, "Waar is het probleem?")
|
| 147 |
+
# {"value": "Dorpsstraat", "confidence": 1.00}
|
| 148 |
```
|
| 149 |
|
| 150 |
Van vrije tekst naar een compleet ingevuld formulier, in een fractie van de tijd
|