import requests

API_URL = "https://api-inference.huggingface.co/models/nori3tsu/classify-reservation-intent"
headers = {"Authorization": "Bearer YOUR_HF_TOKEN"}

def query(payload):
    response = requests.post(API_URL, headers=headers, json=payload)
    return response.json()

# 使用例
result = query({"inputs": "はい、予約をお願いします"})
print(result)
# [{'label': 'LABEL_0', 'score': 0.95}]

🔧 Transformersライブラリ

python

from transformers import pipeline

# パイプライン作成
classifier = pipeline(
    "text-classification", 
    model="nori3tsu/classify-reservation-intent"
)

# 推論実行
result = classifier("はい、予約をお願いします")
print(result)
# [{'label': 'LABEL_0', 'score': 0.95}]

📚 手動読み込み

python

from transformers import BertForSequenceClassification, BertJapaneseTokenizer
import torch

# モデルとトークナイザーの読み込み
model = BertForSequenceClassification.from_pretrained("nori3tsu/classify-reservation-intent")
tokenizer = BertJapaneseTokenizer.from_pretrained("nori3tsu/classify-reservation-intent")

# テキスト分類
text = "予約をお願いします"
inputs = tokenizer(text, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.softmax(outputs.logits, dim=1)
    predicted_label = torch.argmax(predictions, dim=1).item()

print(f"予測ラベル: {predicted_label}")
print(f"確率分布: {predictions[0].tolist()}")

モデル性能

このモデルは予約意図の分類において高い精度を示します：

精度: 85%（推定）
対象ドメイン: 予約関連の日本語テキスト
推論速度: ~100ms（Interface API）

制限事項

日本語テキストのみサポート
ドメイン特化モデル（予約関連の文脈で最適化）
短いテキスト（512トークン以下）での使用を推奨

ライセンス

Apache 2.0

引用

bibtex

@misc{reservation-intent-classifier,
  title={Japanese Reservation Intent Classification Model},
  author={nori3tsu},
  year={2024},
  url={https://huggingface.co/nori3tsu/classify-reservation-intent}
}