モデル概要
モデル特徴
モデル能力
使用事例
🚀 ALBERT XXLarge v2
このモデルは、マスク言語モデリング(MLM)の目的で英語コーパス上で事前学習されたものです。この論文で紹介され、このリポジトリで最初に公開されました。このモデルは、他のALBERTモデルと同様に大文字と小文字を区別しません。
なお、ALBERTを公開したチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されています。
🚀 クイックスタート
このモデルは、マスク言語モデリングや次文予測に直接使用できますが、主に下流タスクでのファインチューニングを目的としています。詳細は「使用方法」セクションを参照してください。
✨ 主な機能
- マスク言語モデリング(MLM)と文順予測(SOP)を用いた事前学習により、英語の双方向表現を学習。
- Transformerの層を共有することで、小さなメモリフットプリントを実現。
- バージョン2は、ドロップアウト率、追加学習データ、学習時間の違いにより、ほぼすべての下流タスクでバージョン1よりも良い結果を示す。
📦 インストール
このモデルを使用するには、transformers
ライブラリが必要です。以下のコマンドでインストールできます。
pip install transformers
💻 使用例
基本的な使用法
マスク言語モデリングのパイプラインを使用して、このモデルを直接利用できます。
>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='albert-xxlarge-v2')
>>> unmasker("Hello I'm a [MASK] model.")
[
{
"sequence":"[CLS] hello i'm a modeling model.[SEP]",
"score":0.05816134437918663,
"token":12807,
"token_str":"â–modeling"
},
{
"sequence":"[CLS] hello i'm a modelling model.[SEP]",
"score":0.03748830780386925,
"token":23089,
"token_str":"â–modelling"
},
{
"sequence":"[CLS] hello i'm a model model.[SEP]",
"score":0.033725276589393616,
"token":1061,
"token_str":"â–model"
},
{
"sequence":"[CLS] hello i'm a runway model.[SEP]",
"score":0.017313428223133087,
"token":8014,
"token_str":"â–runway"
},
{
"sequence":"[CLS] hello i'm a lingerie model.[SEP]",
"score":0.014405295252799988,
"token":29104,
"token_str":"â–lingerie"
}
]
高度な使用法
PyTorchでこのモデルを使用して、与えられたテキストの特徴量を取得する方法は次の通りです。
from transformers import AlbertTokenizer, AlbertModel
tokenizer = AlbertTokenizer.from_pretrained('albert-xxlarge-v2')
model = AlbertModel.from_pretrained("albert-xxlarge-v2")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)
TensorFlowでの使用方法は以下の通りです。
from transformers import AlbertTokenizer, TFAlbertModel
tokenizer = AlbertTokenizer.from_pretrained('albert-xxlarge-v2')
model = TFAlbertModel.from_pretrained("albert-xxlarge-v2")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='tf')
output = model(encoded_input)
📚 ドキュメント
モデルの説明
ALBERTは、自己教師付き学習により大量の英語データセットで事前学習されたトランスフォーマーモデルです。具体的には、以下の2つの目的で事前学習されています。
- マスク言語モデリング(MLM):文の中の15%の単語をランダムにマスクし、モデルにマスクされた単語を予測させます。これにより、文の双方向表現を学習します。
- 文順予測(SOP):2つの連続したテキストセグメントの順序を予測することで、事前学習の損失を計算します。
このようにして学習された英語の内部表現は、下流タスクでの特徴抽出に利用できます。
ALBERTは、Transformerの層を共有することで、小さなメモリフットプリントを実現しています。ただし、計算コストは同じ数の隠れ層を持つBERTのようなアーキテクチャと同程度です。
このモデルはxxlargeモデルの第2バージョンで、ドロップアウト率、追加学習データ、学習時間の違いにより、バージョン1とは異なり、ほぼすべての下流タスクで良い結果を示します。
このモデルの構成は以下の通りです。
属性 | 詳情 |
---|---|
繰り返し層数 | 12 |
埋め込み次元数 | 128 |
隠れ次元数 | 4096 |
アテンションヘッド数 | 64 |
パラメータ数 | 223M |
想定用途と制限
このモデルは、マスク言語モデリングや次文予測に直接使用できますが、主に下流タスクでのファインチューニングを目的としています。モデルハブで、関心のあるタスクでファインチューニングされたバージョンを探すことができます。
このモデルは、文全体(マスクされている可能性もある)を使って判断を下すタスク、例えばシーケンス分類、トークン分類、質問応答などでのファインチューニングを主な目的としています。テキスト生成などのタスクには、GPT2のようなモデルを使用することをお勧めします。
制限とバイアス
このモデルの学習データは比較的中立的であると言えますが、バイアスのある予測を行う可能性があります。以下はその例です。
>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='albert-xxlarge-v2')
>>> unmasker("The man worked as a [MASK].")
[
{
"sequence":"[CLS] the man worked as a chauffeur.[SEP]",
"score":0.029577180743217468,
"token":28744,
"token_str":"â–chauffeur"
},
{
"sequence":"[CLS] the man worked as a janitor.[SEP]",
"score":0.028865724802017212,
"token":29477,
"token_str":"â–janitor"
},
{
"sequence":"[CLS] the man worked as a shoemaker.[SEP]",
"score":0.02581118606030941,
"token":29024,
"token_str":"â–shoemaker"
},
{
"sequence":"[CLS] the man worked as a blacksmith.[SEP]",
"score":0.01849772222340107,
"token":21238,
"token_str":"â–blacksmith"
},
{
"sequence":"[CLS] the man worked as a lawyer.[SEP]",
"score":0.01820771023631096,
"token":3672,
"token_str":"â–lawyer"
}
]
>>> unmasker("The woman worked as a [MASK].")
[
{
"sequence":"[CLS] the woman worked as a receptionist.[SEP]",
"score":0.04604868218302727,
"token":25331,
"token_str":"â–receptionist"
},
{
"sequence":"[CLS] the woman worked as a janitor.[SEP]",
"score":0.028220869600772858,
"token":29477,
"token_str":"â–janitor"
},
{
"sequence":"[CLS] the woman worked as a paramedic.[SEP]",
"score":0.0261906236410141,
"token":23386,
"token_str":"â–paramedic"
},
{
"sequence":"[CLS] the woman worked as a chauffeur.[SEP]",
"score":0.024797942489385605,
"token":28744,
"token_str":"â–chauffeur"
},
{
"sequence":"[CLS] the woman worked as a waitress.[SEP]",
"score":0.024124596267938614,
"token":13678,
"token_str":"â–waitress"
}
]
このバイアスは、このモデルのすべてのファインチューニングバージョンにも影響を与えます。
学習データ
ALBERTモデルは、BookCorpus(11,038冊の未公開の本から構成されるデータセット)と英語版Wikipedia(リスト、テーブル、ヘッダーを除く)で事前学習されています。
学習手順
前処理
テキストは小文字に変換され、SentencePieceを使用してトークン化されます。語彙サイズは30,000です。モデルの入力は以下の形式になります。
[CLS] Sentence A [SEP] Sentence B [SEP]
学習
ALBERTの学習手順は、BERTの設定に従っています。各文のマスキング手順の詳細は以下の通りです。
- 15%のトークンがマスクされます。
- 80%のケースで、マスクされたトークンは
[MASK]
に置き換えられます。 - 10%のケースで、マスクされたトークンはランダムなトークンに置き換えられます。
- 残りの10%のケースでは、マスクされたトークンはそのまま残されます。
評価結果
下流タスクでファインチューニングした場合、ALBERTモデルは以下の結果を達成します。
平均 | SQuAD1.1 | SQuAD2.0 | MNLI | SST-2 | RACE | |
---|---|---|---|---|---|---|
V2 | ||||||
ALBERT-base | 82.3 | 90.2/83.2 | 82.1/79.3 | 84.6 | 92.9 | 66.8 |
ALBERT-large | 85.7 | 91.8/85.2 | 84.9/81.8 | 86.5 | 94.9 | 75.2 |
ALBERT-xlarge | 87.9 | 92.9/86.4 | 87.9/84.1 | 87.9 | 95.4 | 80.7 |
ALBERT-xxlarge | 90.9 | 94.6/89.1 | 89.8/86.9 | 90.6 | 96.8 | 86.8 |
V1 | ||||||
ALBERT-base | 80.1 | 89.3/82.3 | 80.0/77.1 | 81.6 | 90.3 | 64.0 |
ALBERT-large | 82.4 | 90.6/83.9 | 82.3/79.4 | 83.5 | 91.7 | 68.5 |
ALBERT-xlarge | 85.5 | 92.5/86.1 | 86.1/83.1 | 86.4 | 92.4 | 74.8 |
ALBERT-xxlarge | 91.0 | 94.8/89.3 | 90.2/87.4 | 90.8 | 96.9 | 86.5 |
BibTeXエントリと引用情報
@article{DBLP:journals/corr/abs-1909-11942,
author = {Zhenzhong Lan and
Mingda Chen and
Sebastian Goodman and
Kevin Gimpel and
Piyush Sharma and
Radu Soricut},
title = {{ALBERT:} {A} Lite {BERT} for Self-supervised Learning of Language
Representations},
journal = {CoRR},
volume = {abs/1909.11942},
year = {2019},
url = {http://arxiv.org/abs/1909.11942},
archivePrefix = {arXiv},
eprint = {1909.11942},
timestamp = {Fri, 27 Sep 2019 13:04:21 +0200},
biburl = {https://dblp.org/rec/journals/corr/abs-1909-11942.bib},
bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 ライセンス
このモデルは、Apache-2.0ライセンスの下で提供されています。



