iic/nlp_style_classification_chinese

1. 简介

iic/nlp_style_classification_chinese 是 ModelScope 上的文本文风分类模型，支持对中文文本进行文风分类（包括新闻、科技、口语、电商等类别）。该模型基于 PyTorch 框架，使用 ModelScope pipeline 接口进行推理，已适配到华为昇腾 Ascend NPU。

相关获取地址：

• 权重下载地址（ModelScope）：https://modelscope.cn/models/iic/nlp_style_classification_chinese

2. 验证环境

3. 使用方法

下载模型

python3 -c "from modelscope import snapshot_download; snapshot_download('iic/nlp_style_classification_chinese', cache_dir='./model')"

推理示例

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

p = pipeline(Tasks.text_classification, model='iic/nlp_style_classification_chinese')
result = p('今天天气真好，我们一起去公园玩吧！')
print(result)  # 输出: {'label': 'spoken', 'score': 0.8615}

4. Smoke 验证

python3 inference_npu.py

预期输出示例：

使用设备: Ascend NPU (npu:0)
样本: 今天天气真好，我们一起去公园玩吧！
预测标签: spoken (置信度: 0.8615)
推理耗时: 0.11ms

5. 性能参考

测试条件：ModelScope pipeline，Ascend NPU，50次推理

7. 注意事项

• 该模型为文本分类模型，非生成式模型，不使用 vLLM 服务
• 使用 ModelScope pipeline 接口进行推理，自动利用 NPU 加速
• 模型标签映射：news(新闻)、tech(科技)、spoken(口语)、ecomm(电商)

Ascend NPU 精度评测

NPU vs CPU 精度对比（CPU 为基线，NPU 为验证目标）：

分项准确率：

对比分析

NPU 精度已对齐，与 CPU 推理结果完全一致。75% 准确率为自建测试集上的分类效果，与 NPU 精度无关，NPU 未引入额外精度损失。