nlp_domain_classification_chinese - 中文域分类模型

1. 简介

nlp_domain_classification_chinese 是基于 PyTorch 框架的中文域分类模型，由 ModelScope 社区提供。该模型可以将中文文本分类到 18 个预定义的域类别中，适用于内容分类、文本路由、信息过滤等场景。

相关获取地址：

• 模型权重（ModelScope）：https://modelscope.cn/models/iic/nlp_domain_classification_chinese

支持域类别： 水利环境、建筑、电力燃气水生产、科学技术、制造业、采矿、信息软件、卫生医疗、文体娱乐、交通运输仓储邮政、金融、农业、教育、政府组织、住宿餐饮、国际组织、房地产、租赁法律

2. 验证环境

• NPU：Ascend910 (2 逻辑卡)
• 模型路径：/opt/atomgit/iic/nlp_domain_classification_chinese/iic/nlp_domain_classification_chinese/

3. 推理测试

from modelscope.pipelines import pipeline
import torch

# 使用本地模型路径
MODEL_PATH = "/path/to/model"
p = pipeline('text-classification', model=MODEL_PATH)

# 推理示例
result = p("该公司最新发布的智能手机搭载了高性能处理器，支持5G网络。")
print(result)
# 输出: {'label': '信息软件', 'score': 0.7411}

4. Smoke 验证结果

对 4 条不同域的中文文本进行推理测试，模型均能正确输出域分类结果和置信度分数：

5. 性能参考

测试条件：10 个测试文本，每个运行 10 次推理，共计 100 次推理。

7. 注意事项

• 模型使用 FasttextTextClassificationPipeline，底层基于 fasttext 进行域分类
• 输入为纯文本字符串，无需额外预处理
• 输出包含 label（预测域标签）、score（置信度）、labels（全部分类标签列表）、scores（全部分类分数数组）
• NPU 环境下通过 torch_npu 驱动，使用 modelscope pipeline 加载本地模型

Ascend NPU 精度评测

NPU vs CPU 精度对比（CPU 为基线，NPU 为验证目标）：

精度评测源代码和日志详见 eval/ 目录。