| ---
|
| language:
|
| - es
|
| license: mit
|
| library_name: pytorch
|
| tags:
|
| - text-classification
|
| - multitask-learning
|
| - sentence-transformers
|
| - spanish
|
| - intent-classification
|
| pipeline_tag: text-classification
|
| ---
|
|
|
| # PIBot Intent Router (Multitarea)
|
|
|
| Modelo multitarea para clasificación de texto en español usando un encoder compartido (`sentence-transformers`) y 3 cabezas clasificadoras:
|
|
|
| - `macro`: `"1"` o `"0"`
|
| - `intent`: `"value"` , `"method"`, `"other"`
|
| - `context`: `"standalone"` o `"followup"`
|
|
|
| Este repositorio contiene artefactos de inferencia:
|
|
|
| - `encoder/`
|
| - `heads.pt`
|
| - `label2id.json`
|
| - `id2label.json`
|
| - `train_config.json`
|
|
|
| ## Uso rápido
|
|
|
| ### 1) Instalar dependencias
|
|
|
| ```bash
|
| pip install torch sentence-transformers huggingface-hub
|
| ```
|
|
|
| Si usarás el código de este proyecto para inferencia local:
|
|
|
| ```bash
|
| pip install -r requirements.txt
|
| ```
|
|
|
| ### 2) Descargar artefactos desde Hugging Face
|
|
|
| ```python
|
| from huggingface_hub import snapshot_download
|
|
|
| artifact_dir = snapshot_download(repo_id="TU_USUARIO/TU_REPO")
|
| print(artifact_dir)
|
| ```
|
|
|
| ### 3) Inferencia con el código del proyecto
|
|
|
| ```python
|
| from pathlib import Path
|
|
|
| from src.serialization.artifacts import load_artifacts
|
| from src.infer.predict import predict_all_tasks
|
|
|
| artifact_dir = Path("RUTA_DESCARGADA_DESDE_SNAPSHOT")
|
| encoder, multitask_model, _, id2label = load_artifacts(artifact_dir, device="cpu")
|
|
|
| text = "quiero pagar mi factura"
|
| output = predict_all_tasks(
|
| text=text,
|
| encoder=encoder,
|
| multitask_model=multitask_model,
|
| id2label=id2label,
|
| device="cpu",
|
| )
|
| print(output)
|
| ```
|
|
|
| Salida esperada (ejemplo):
|
|
|
| ```json
|
| {
|
| "macro": {"label": "1", "score": 0.97},
|
| "intent": {"label": "method", "score": 0.92},
|
| "context": {"label": "standalone", "score": 0.88}
|
| }
|
| ```
|
|
|
| ## Uso por CLI
|
|
|
| Con este proyecto clonado, también puedes probar:
|
|
|
| ```bash
|
| python -m src.main test --artifact-dir models/artifacts --text "quiero pagar mi factura" --device cpu
|
| ```
|
|
|
| ## Notas
|
|
|
| - El modelo está diseñado para inferencia de 3 tareas simultáneas.
|
| - `score` corresponde a la probabilidad de la clase predicha por cada tarea.
|
| - Para endpoint administrado en HF, se recomienda agregar `handler.py` y `requirements.txt` orientados al entorno de despliegue.
|
|
|
