adaptive-classifier

让文本分类模型随新数据自动进化，无需频繁重训

adaptive-classifier 是一个基于 Python 的灵活自适应文本分类系统，专为处理动态变化的文本分类任务而设计。它解决了传统分类模型在数据分布漂移或类别体系变化时性能下降的问题，通过在线学习和自适应机制，能够持续从新数据中更新模型，保持分类准确性。核心能力包括：支持增量训练、自动检测数据分布变化、动态调整分类边界、以及提供简洁的 API 接口。该系统适用于需要实时响应新信息的场景，如舆情监控、客服工单分类、内容审核等，帮助开发者在不重新训练整个模型的情况下，快速适应新出现的类别或语义变化。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 572

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队codelion

所属国家

官网地址

GitHubhttps://github.com/codelion/adaptive-classifier

定价模式free

价格说明开源项目，Apache-2.0许可证，可自由使用，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型adaptive-learning,adaptive-neural-network,bert,classifier,continous-learning,distilbert,elastic-weight-consolidation,embeddings,faiss,large-language-models,llms,machine-learning,multi-class-classification,multi-label-classification,neural-layers,neural-networks,online-learning,roberta,text-classification,transformers

GitHub 星标★ 572

30天Star增速

HF 下载量

上线时间2025-01-12 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

内置数据漂移检测，能主动感知分类效果下降并触发模型更新
支持增量学习，新数据到来时无需全量重训，节省计算资源
API 设计简洁，几行代码即可集成到现有 Python 项目中

不足之处

文档和社区生态尚不完善，示例和教程较少
对超大规模文本分类任务（如百万级类别）的扩展性未验证

适用场景

实时舆情监控，快速捕捉话题演变和新增事件类别
客服工单动态分类，自动适应新出现的产品问题类型
内容审核系统，持续学习新的违规模式

替代项目

River、scikit-learn (Partial Fit)、ModAL

项目介绍

adaptive-classifier 是模型训练领域的开源项目，由 codelion 开发，2025 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 572。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。Apache-2.0许可证，可自由使用，无付费版本。

它主要面向的使用场景是：实时舆情监控，快速捕捉话题演变和新增事件类别。同类可对比的替代方案包括 River、scikit-learn (Partial Fit)、ModAL。

上一篇：HoliTom

下一篇：awesome-activation-engineering