Electra Base Squad2

🚀 electra-base for QA

このモデルは、英語の抽出型質問応答タスクに特化した electra-base 言語モデルです。SQuAD 2.0 データセットを用いて訓練され、高い性能を発揮します。

🚀 クイックスタート

このモデルは抽出型質問応答タスクに使用できます。具体的な使用方法については、以下の「💻 使用例」を参照してください。

✨ 主な機能

• 英語の抽出型質問応答タスクに特化した electra-base 言語モデル
• SQuAD 2.0 データセットを用いた訓練

📦 インストール

この README ではインストール手順に関する具体的な内容が記載されていないため、このセクションを省略します。

💻 使用例

基本的な使用法

Transformers での使用

from transformers import AutoModelForQuestionAnswering, AutoTokenizer, pipeline

model_name = "deepset/electra-base-squad2"

# a) Get predictions
nlp = pipeline('question-answering', model=model_name, tokenizer=model_name)
QA_input = {
    'question': 'Why is model conversion important?',
    'context': 'The option to convert models between FARM and transformers gives freedom to the user and let people easily switch between frameworks.'
}
res = nlp(QA_input)

# b) Load model & tokenizer
model = AutoModelForQuestionAnswering.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

FARM での使用

from farm.modeling.adaptive_model import AdaptiveModel
from farm.modeling.tokenization import Tokenizer
from farm.infer import Inferencer

model_name = "deepset/electra-base-squad2"

# a) Get predictions
nlp = Inferencer.load(model_name, task_type="question_answering")
QA_input = [{"questions": ["Why is model conversion important?"],
             "text": "The option to convert models between FARM and transformers gives freedom to the user and let people easily switch between frameworks."}]
res = nlp.inference_from_dicts(dicts=QA_input)

# b) Load model & tokenizer
model = AdaptiveModel.convert_from_transformers(model_name, device="cpu", task_type="question_answering")
tokenizer = Tokenizer.load(model_name)

haystack での使用

大規模な質問応答タスク（つまり、単一の段落ではなく多数のドキュメント）を行う場合、haystack でもモデルをロードできます。

reader = FARMReader(model_name_or_path="deepset/electra-base-squad2")
# or
reader = TransformersReader(model="deepset/electra-base-squad2",tokenizer="deepset/electra-base-squad2")

📚 ドキュメント

概要

ハイパーパラメータ

seed=42
batch_size = 32
n_epochs = 5
base_LM_model = "google/electra-base-discriminator"
max_seq_len = 384
learning_rate = 1e-4
lr_schedule = LinearWarmup
warmup_proportion = 0.1
doc_stride=128
max_query_length=64

性能

SQuAD 2.0 開発セット で評価されました。

"exact": 77.30144024256717,
 "f1": 81.35438272008543,
 "total": 11873,
 "HasAns_exact": 74.34210526315789,
 "HasAns_f1": 82.45961302894314,
 "HasAns_total": 5928,
 "NoAns_exact": 80.25231286795626,
 "NoAns_f1": 80.25231286795626,
 "NoAns_total": 5945

🔧 技術詳細

このセクションでは、モデルの訓練に使用されたハイパーパラメータや評価データセットなどの技術的な詳細が記載されています。具体的な内容については「📚 ドキュメント」を参照してください。

📄 ライセンス

このモデルは cc-by-4.0 ライセンスの下で提供されています。

著者

• Vaishali Pal vaishali.pal [at] deepset.ai
• Branden Chan: branden.chan [at] deepset.ai
• Timo Möller: timo.moeller [at] deepset.ai
• Malte Pietsch: malte.pietsch [at] deepset.ai
• Tanay Soni: tanay.soni [at] deepset.ai

注意事項

このモデルは、TensorFlow モデルを追加するために Haystack モデルリポジトリから借用されたものです。