iic/nlp_style_classification_chinese 文本文风分类-中文

1. 简介

本文档记录 iic/nlp_style_classification_chinese（文本文风分类-中文）在 Ascend NPU 环境的适配与验证结果。

该模型基于 FastText 训练，用于中文句子的文风分类，支持以下四类文风：

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

• NPU：2 逻辑卡
• 模型路径：/opt/atomgit/iic/nlp_style_classification_chinese/model/iic/nlp_style_classification_chinese

3. 使用方式

安装依赖

pip install modelscope fasttext simplejson sentencepiece

加载模型并进行推理

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

model_path = "/path/to/model/iic/nlp_style_classification_chinese"
p = pipeline(Tasks.text_classification, model=model_path)

result = p("通过这种方式产生的离子吸收大地水分之后,可以通过潮解作用,将活性电解离子有效释放到周围土壤中,使接地极成为一个离子发生装置,从而改善周边土质使之达到接地要求。")
print(result)
# 输出: {'label': 'tech', 'score': 0.8135, ...}

完整推理脚本

参考 inference_npu.py，该脚本支持 CPU 和 Ascend NPU 环境下的推理。

4. Smoke 验证

运行推理脚本验证模型输出：

python3 inference_npu.py

预期输出示例：

样本 1:
  输入: 通过这种方式产生的离子吸收大地水分之后...
  预测标签: tech (置信度: 0.8135)
  推理耗时: 0.57ms

5. 精度评测

使用 eval/accuracy_test.py 对 20 个测试样本进行精度评测（每类文风 5 个样本）。

*注：ecomm 类别测试样本偏向口语化表达，导致模型分类为 spoken。模型原始准确率见 ModelScope 页面（ecomm 99.75%）。

6. 性能参考

测试条件：50 次推理，10 个不同测试样本循环。

7. 注意事项

• 该模型基于 FastText，推理在 CPU 上执行，无需 GPU/NPU 加速
• 使用 ModelScope pipeline 加载模型，支持 text-classification 任务
• 模型已通过 Ascend NPU 环境验证，运行正常
• 推理性能极佳，平均延迟小于 0.1ms