使用场景
社交媒体情绪分析，快速判断用户评论的情感倾向。
产品评论分类，自动将用户反馈归类为正面或负面。
新闻文章主题分类，将新闻自动分发到相应的主题栏目。
产品特色
专注于CPU执行，使用高效的模型生成嵌入。
使用余弦相似度进行文本分类，无需微调。
支持多分类器执行，共享同一模型的嵌入。
支持模型训练和导出，方便未来使用。
可以将模型发布到HuggingFace模型库。
支持从目录或HuggingFace加载预训练模型。
提供类预测功能，包括单条和批量预测。
使用教程
安装fastc库：通过Python的包管理工具pip安装fastc。
准备数据集：收集并整理用于训练分类器的文本数据。
训练模型：使用fastc提供的SentenceClassifier类来训练文本分类器。
保存模型：训练完成后，使用save_model方法保存模型以供后续使用。
加载模型：通过SentenceClassifier类加载本地或HuggingFace上的预训练模型。
进行预测：使用predict_one或predict方法对新文本进行情感分类预测。
