Legal T5 Small Multitask Cs It

🚀 legal_t5_small_multitask_cs_itモデル

このモデルは、チェコ語の法的テキストをイタリア語に翻訳するためのものです。最初は、このリポジトリで公開されました。このモデルは、jrc - acquis、europarl、dcepの3つの並列コーパスの42言語ペアで並列に学習され、マスク言語モデルの予測タスクを行う教師なしタスクも含まれています。

✨ 主な機能

モデルの説明

legal_t5_small_multitask_cs_itモデルでは事前学習は行われておらず、代わりにすべての翻訳タスクに教師なしタスクを追加して、マルチタスク学習を実現しています。

想定される用途と制限

このモデルは、チェコ語の法的テキストをイタリア語に翻訳するために使用できます。

📦 インストール

使い方

以下は、このモデルを使用してチェコ語の法的テキストをイタリア語に翻訳するPyTorchのコード例です。

from transformers import AutoTokenizer, AutoModelWithLMHead, TranslationPipeline

pipeline = TranslationPipeline(
model=AutoModelWithLMHead.from_pretrained("SEBIS/legal_t5_small_multitask_cs_it"),
tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/legal_t5_small_multitask_cs_it", do_lower_case=False, 
                                            skip_special_tokens=True),
    device=0
)

cs_text = "Příprava Evropské rady (29.-30. října 2009)"

pipeline([cs_text], max_length=512)

📚 ドキュメント

学習データ

legal_t5_small_multitask_cs_itモデル（対応する言語ペアのみを含む教師ありタスクと、すべての言語ペアのデータが利用可能な教師なしタスク）は、[JRC - ACQUIS](https://wt - public.emm4u.eu/Acquis/index_2.2.html)、EUROPARL、[DCEP](https://ec.europa.eu/jrc/en/language - technologies/dcep)のデータセットで学習されました。これらのデータセットは合計で500万の並列テキストを含んでいます。

学習手順

このモデルは、単一のTPU Pod V3 - 8で合計250Kステップ、シーケンス長512（バッチサイズ4096）で学習されました。総パラメータ数は約220Mで、エンコーダ - デコーダアーキテクチャを使用して学習されました。オプティマイザには、逆平方根学習率スケジュールを持つAdaFactorが使用されています。

前処理

並列コーパス（すべての可能な言語ペア）の88M行のテキストで学習されたユニグラムモデルを使用して、語彙（バイトペアエンコーディング付き）を取得し、このモデルで使用しています。

評価結果

このモデルを翻訳テストデータセットで使用した場合、以下の結果が得られます。

BibTeXエントリと引用情報

Created by Ahmed Elnaggar/@Elnaggar_AI | [LinkedIn](https://www.linkedin.com/in/prof - ahmed - elnaggar/)