Xlsim En De

🚀 {AnanyaCoder/XLsim_en - de}

XLSimは、シアメーズアーキテクチャに基づく機械翻訳評価指標です。これは、WMT（2017 - 2022）が提供する人間の評点に回帰する教師付きの参照ベースの指標です。クロスリンガル言語モデルであるXLM - RoBERTa - base [ https://huggingface.co/xlm - roberta - base ] を使用し、CosineSimilarityLossを用いたシアメーズネットワークアーキテクチャで教師付きモデルを学習させます。

🚀 クイックスタート

このモデルを使用するには、sentence - transformers をインストールする必要があります。以下のコマンドでインストールできます。

pip install -U sentence-transformers

✨ 主な機能

• シアメーズアーキテクチャに基づく機械翻訳評価指標
• クロスリンガル言語モデルXLM - RoBERTa - baseを利用

📦 インストール

pip install -U sentence-transformers

💻 使用例

基本的な使用法

from sentence_transformers import SentenceTransformer,losses, models, util

metric_model = SentenceTransformer('{MODEL_NAME}')

#Compute embedding for both lists
mt_samples = ['This is a mt sentence1','This is a mt sentence2']
ref_samples = ['This is a ref sentence1','This is a ref sentence2']

mtembeddings = metric_model.encode(mt_samples, convert_to_tensor=True)
refembeddings = metric_model.encode(ref_samples, convert_to_tensor=True)

#Compute cosine-similarities
cosine_scores_refmt = util.cos_sim(mtembeddings, refembeddings)
#cosine_scores_srcmt = util.cos_sim(mtembeddings, srcembeddings) #qe
metric_model_scores = []
for i in range(len(mt_samples)):
    metric_model_scores.append(cosine_scores_refmt[i][i].tolist())

scores = metric_model_scores

📚 ドキュメント

評価結果

このモデルの自動評価については、[WMT23 Metrics Shared Task findings](https://aclanthology.org/2023.wmt - 1.51.pdf) を参照してください。

学習

このモデルは以下のパラメータで学習されました。

DataLoader: torch.utils.data.dataloader.DataLoader の長さは6625で、以下のパラメータが使用されました。

{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

Loss: sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss

fit() メソッドのパラメータ:

{
    "epochs": 4,
    "evaluation_steps": 1000,
    "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 2650,
    "weight_decay": 0.01
}

モデルの完全なアーキテクチャ

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

引用と著者

詳細な情報は、[MEE4 and XLsim : IIIT HYD’s Submissions’ for WMT23 Metrics Shared Task](https://aclanthology.org/2023.wmt - 1.66) (Mukherjee & Shrivastava, WMT 2023) を参照してください。