Biobert V1.1 Pubmed Squad V2

🚀 バイオベースの質問応答モデル

このモデルは、バイオ分野の質問応答タスクに特化したもので、BioBERTをSQuAD V2データセットでファインチューニングすることで高精度な回答を提供します。

🚀 クイックスタート

このモデルは、monologg/biobert_v1.1_pubmed をベースに、SQuAD V2 で run_squad.py を用いてファインチューニングされています。このモデルは大文字小文字を区別します。

📦 インストール

このモデルは4つのNVIDIA GeForce RTX 2080 Ti 11Gbでトレーニングされています。以下はトレーニングに使用されたコマンドです。

BASE_MODEL=monologg/biobert_v1.1_pubmed
python run_squad.py \
  --version_2_with_negative \
  --model_type albert \
  --model_name_or_path $BASE_MODEL \
  --output_dir $OUTPUT_MODEL \
  --do_eval \
  --do_lower_case \
  --train_file $SQUAD_DIR/train-v2.0.json \
  --predict_file $SQUAD_DIR/dev-v2.0.json \
  --per_gpu_train_batch_size 18 \
  --per_gpu_eval_batch_size 64 \
  --learning_rate 3e-5 \
  --num_train_epochs 3.0 \
  --max_seq_length 384 \
  --doc_stride 128 \
  --save_steps 2000 \
  --threads 24 \
  --warmup_steps 550 \
  --gradient_accumulation_steps 1 \
  --fp16 \
  --logging_steps 50 \
  --do_train

🔧 技術詳細

評価

開発セットでの評価結果です。最適な閾値の探索は行っていません。

💻 使用例

基本的な使用法

Hugging Faceのドキュメントを参照してください。SQuAD V2でのトレーニングにより、モデルは段落に回答が含まれているかどうかを評価できます。

start_scores, end_scores = model(input_ids) 
span_scores = start_scores.softmax(dim=1).log()[:,:,None] + end_scores.softmax(dim=1).log()[:,None,:]
ignore_score = span_scores[:,0,0] #no answer scores