在雙句文本分類中，我們提供了多種模型進行選擇。以下是模型的說明，您可以根據自己的具體場景，選擇一個更適合的模型。
雙句分類-高性能版：基于自研的bilstm+cross attention架構。速度快，計算資源要求低，適合對性能要求高的場景。
雙句分類-高精度版：基于StructBERT雙句分類架構。精度較高，適合對精度要求高，性能要求低的場景。
性能對比（僅供參考，不同數據集可能差異較大）
模型 | 數據集 | 數據量 | 訓練參數（默認參數） | 訓練耗時（gpu） | 預測耗時（cpu） | 準確率 |
|---|---|---|---|---|---|---|
雙句分類-高性能版 | CLUE-tnews | 5.3w | epoch=20 | 16min | 150ms | 63.67% |
雙句分類-高精度版 | CLUE-tnews | 5.3w | epoch=4 | 46min | 500ms | 66.65% |
文檔內容是否對您有幫助？