---
title: temporal-type-classification-based-on-bert
canonical_url: "https://www.modelscope.cn/models/Fu496735182/temporal-type-classification-based-on-bert"
md_url: "https://www.modelscope.cn/models/Fu496735182/temporal-type-classification-based-on-bert.md"
repository: Fu496735182/temporal-type-classification-based-on-bert
chinese_name: "基于BERT的文本时间类型分类"
last_updated: 2026-09-15
pipeline_tag: text-classification
tasks:
  - text-classification
parameters: 102.3M
tensor_type:
  - F32
library_name:
  - safetensors
downloads: 10
stars: 0
---

# temporal-type-classification-based-on-bert

> temporal-type-classification-based-on-bert - Fu496735182 在 ModelScope 开源的模型。基于 BERT 的中文时间类型三分类模型。输入一个陈述句，判断其时间类型为 STATIC（静态/一般现在时）、DYNAMIC（动态/将来时）还是 ATEMPORAL（非时间相关）。

- **Repository**: Fu496735182/temporal-type-classification-based-on-bert
- **Tasks**: text-classification
- **Parameters**: 102.3M
- **Downloads**: 10
- **Stars**: 0
- **Last updated**: 2026-09-15

Source: https://www.modelscope.cn/models/Fu496735182/temporal-type-classification-based-on-bert

---

# 基于BERT的中文时间类型分类

基于 BERT 的中文时间类型三分类模型。输入一个陈述句，判断其时间类型为 STATIC（静态/一般现在时）、DYNAMIC（动态/将来时）还是 ATEMPORAL（非时间相关）。

输入数据应该为如下结构

```json
{
    "statement_text": "明天我要去北京出差。"
}
```

- `statement_text`：待判断时间类型的陈述句

模型输出为一个概率分布和预测标签，具体而言，被组装为如下格式

```json
{
  "predicted_label": "DYNAMIC",
  "probabilities": {
    "STATIC": 0.0123,
    "DYNAMIC": 0.9876,
    "ATEMPORAL": 0.0001
  }
}
```

- `predicted_label`：预测的时间类型标签
- `probabilities`：三类概率分布

关于模型原理，基于 `bert_base_chinese` 在本地训练集上读取文本进行训练，并通过 softmax 输出三类的概率分布。

可以在下载本项目后用如下代码测试模型效果

```python
python main.py
```