寻求用于区分问句与非问句的预训练ML模型或处理方案

一、微调预训练文本分类模型 #

这是处理这类自定义意图分类任务最可靠的方案：

• 先手动标注一批现有表单数据，明确划分两类：「支持请求/问句」（包含像could I please have a copy of file A.这类无问号但实质为请求的句子）、「陈述/反馈」
• 借助transformers库加载通用预训练模型（如bert-base-uncased或roberta-base），在标注数据上做二分类微调。这类模型能捕捉句子语义意图，比关键词/符号匹配更精准，可识别无问号的隐含请求。
• 微调后用少量新样本验证效果，逐步补充标注数据迭代优化模型。

二、规则+轻量模型混合方案 #

若暂时缺乏足量标注数据，可采用分层判断逻辑：

• 第一步规则过滤：先将带问号、包含how/where/when/why/can/could/may/need等关键词的内容归为「支持请求」
• 第二步轻量模型二次判断：用DistilBERT这类轻量化模型对剩余内容做意图分类，识别出无问号的隐含请求句子。这种方式能降低标注成本，同时兼顾准确率。

三、零样本分类模型（无标注数据时试用） #

如果完全没有标注数据，可尝试零样本分类模型，直接指定「支持请求」「陈述反馈」两个标签让模型做判断。比如facebook/bart-large-mnli这类模型，无需标注数据即可完成文本分类，虽准确率略低于微调模型，但能快速落地试用。

四、Spacy自定义文本分类扩展 #

基于你原本考虑的Spacy，可使用其textcat组件训练专属分类器：

• 按照Spacy的训练流程，将标注好的两类数据输入，训练一个二分类文本分类器，专门区分请求与陈述。Spacy的训练流程简洁，适合快速搭建工具。

内容的提问来源于stack exchange，提问作者JakeHova