PythonとCython向けの高性能NLPライブラリ。トークン化、学習済みパイプライン、タグ付け・構文解析・エンティティ認識用の学習済みモデルを提供します。
codelion/adaptive-classifier
実行時に新しい例やクラスを学習し、信頼度の較正と分布外検出にも対応するテキスト分類用Pythonライブラリ。
- スター
- 577
- フォーク
- 43
- 未解決の Issue
- 2
- 最終コミット
- 5 日前
これは何?
Adaptive Classifierは、HuggingFaceのTransformerエンコーダーを基盤とする、PyTorchベースのテキスト分類用Pythonライブラリです。各クラスはFAISSに保存されたプロトタイプ埋め込みで表現され、小規模な学習可能ニューラルヘッドとプロトタイプとの類似度を組み合わせて予測します。モデル全体を再学習せずに実行時に新しい例やクラスを追加でき、後から例やクラスを削除することもできます。
このライブラリは、分類器の運用面にも対応しています。ホールドアウトデータを使った信頼度スコアの較正、目標カバレッジを指定した予測集合の返却、信頼度の低い入力や分布外入力に対する予測の棄却、アノテーション候補となる未ラベルテキストの提案、流入データのドリフト検出が可能です。モデルはローカルに保存するかHuggingFace Hubにプッシュでき、CPU推論を高速化するONNXエクスポートにも対応しています。
マルチラベル分類器、scikit-learn互換のEstimator、HTTPサービングモジュールを提供しています。また、敵対的な操作をコストベースのモデルで捉え、予測と組み合わせる実験的な戦略的分類モードも含まれています。
主な機能
- 01モデル全体を再学習せずに、実行時に新しいクラスや例を追加できる
- 02学習後に誤った例やクラス全体を削除できる
- 03信頼度を較正し、目標カバレッジを指定した予測集合を返す
- 04分布外入力を検出し、予測を棄却できる
- 05未ラベルテキストのラベリング候補を提案し、データドリフトを報告する
- 06CPU推論を高速化するONNXモデルをエクスポートでき、HTTPサーバーも提供する
ユースケース
- 変化するカテゴリにサポートチケットやメールを振り分ける
- 新しいラベルが頻繁に追加され、再学習にコストがかかるコンテンツを分類する
- scikit-learnのPipelineと交差検証を使ってテキスト分類器を構築する
- 予測した複雑さに基づき、LLMへのクエリを異なるモデル階層に振り分ける
クイックスタート
- 1
PyPIからライブラリをインストールする
pip install adaptive-classifier - 2
classifierをインポートし、HuggingFaceのモデルで初期化する
- 3
ラベル付きの学習例を追加する
- 4
新しいテキストに対してpredictを呼び出し、各クラスの信頼度を取得する
使う前に知っておきたいこと
- 予測結果は選択したHuggingFaceエンコーダーに依存し、READMEの例ではサイズの大きなTransformerモデルをダウンロードします。
収録されている特集
トピック
よくある質問
- adaptive-classifier とは?
- 実行時に新しい例やクラスを学習し、信頼度の較正と分布外検出にも対応するテキスト分類用Pythonライブラリ。 Adaptive Classifierは、HuggingFaceのTransformerエンコーダーを基盤とする、PyTorchベースのテキスト分類用Pythonライブラリです。各クラスはFAISSに保存されたプロトタイプ埋め込みで表現され、小規模な学習可能ニューラルヘッドとプロトタイプとの類似度を組み合わせて予測します。モデル全体を再学習せずに実行時に新しい例やクラスを追加でき、後から例やクラスを削除することもできます。
- adaptive-classifier は無料で使えますか?ライセンスは?
- adaptive-classifier は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- adaptive-classifier は今もメンテナンスされていますか?
- 活発にメンテナンス中。adaptive-classifier の最終コミットは 2026年11月2日 です。
- adaptive-classifier は何に使えますか?
- 変化するカテゴリにサポートチケットやメールを振り分ける 新しいラベルが頻繁に追加され、再学習にコストがかかるコンテンツを分類する scikit-learnのPipelineと交差検証を使ってテキスト分類器を構築する 予測した複雑さに基づき、LLMへのクエリを異なるモデル階層に振り分ける
- adaptive-classifier のインストール方法は?
- PyPIからライブラリをインストールする: pip install adaptive-classifier classifierをインポートし、HuggingFaceのモデルで初期化する ラベル付きの学習例を追加する 新しいテキストに対してpredictを呼び出し、各クラスの信頼度を取得する
- adaptive-classifier はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/codelion/adaptive-classifier
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
ONNX Runtimeを使い、サーバーなしでHugging Face TransformersモデルをブラウザーやJavaScriptランタイム上で実行できます。
Hugging FaceのTransformers、Diffusers、TIMM、Sentence-Transformersモデルを、特定のハードウェア向けに最適化してエクスポートし、推論や学習を実行するためのツールキット。
Hugging FaceのBERT、RoBERTa、XLNetなどのtransformerモデルをspaCyパイプラインに組み込むコンポーネントとアーキテクチャ。
小規模な大規模マルチモーダル(視覚・言語)モデルの構築、学習、評価に使える、モジュール式のPyTorch/Hugging Faceコードベース。
85言語に対応した事前学習済みSaTおよびWtPモデルを使い、テキストを文やその他の意味単位に分割するPythonツールキット。