examples.py

from transformers import pipeline

# 載入文本分類管道
classifier = pipeline(
    "text-classification",
    model="jackietung/bert-base-chinese-multi-classification",
    return_all_scores=True
)

# 測試文本
texts = [
    "這個 App 的登入系統太複雜了，每次都要重新輸入密碼，能不能增加指紋登入功能？",
    "App 的搜尋功能太爛了，輸入關鍵字後常常顯示不相關的結果，希望能改進搜尋演算法。",
    "最新上架的商品圖片解析度太低，而且商品描述不夠詳細，很難做出購買決定。",
    "結帳流程太繁瑣，為什麼要填寫這麼多資料？而且付款完成後沒有明確的訂單確認頁面。",
    "客服回應速度太慢，我的問題提交三天了還沒有人回覆，這樣的服務品質令人失望。",
    "App 最近更新後經常閃退，而且耗電量增加了很多，希望開發團隊能盡快修復這些問題。"
]

# 進行預測
for text in texts:
    result = classifier(text)[0]
    print(f"文本: {text}")

    # 按分數排序
    sorted_scores = sorted(result, key=lambda x: x['score'], reverse=True)

    # 獲取最高分數的類別
    top_category = sorted_scores[0]
    print(f"預測類別: {top_category['label']} (分數: {top_category['score']:.4f})")

    # 顯示所有類別分數
    print("所有類別分數:")
    for score_item in sorted_scores:
        print(f"  {score_item['label']}: {score_item['score']:.4f}")
    print("-" * 50)