Xlm Roberta Large Xquad

🚀 xlm - roberta - largeを用いた多言語QA

このプロジェクトは、多言語質問応答タスクに特化したモデルで、xlm - roberta - largeをベースに構築されています。XQuAD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

このモデルは多言語質問応答タスクに使用されます。以下に、主な情報をまとめます。

✨ 主な機能

• 多言語に対応した質問応答タスクをサポートします。
• XQuADデータセットで訓練され、高い正確性とF1スコアを持ちます。

📦 インストール

このREADMEには具体的なインストール手順は記載されていません。

💻 使用例

基本的な使用法

Transformersでの使用

from transformers import AutoModelForQuestionAnswering, AutoTokenizer, pipeline

model_name = "alon-albalak/xlm-roberta-large-xquad"

# 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 QAInferencer

model_name = "alon-albalak/xlm-roberta-large-xquad"

# a) Get predictions
nlp = QAInferencer.load(model_name)
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, rest_api_schema=True)

# 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

reader = FARMReader(model_name_or_path="alon-albalak/xlm-roberta-large-xquad")
# or 
reader = TransformersReader(model="alon-albalak/xlm-roberta-large-xquad",tokenizer="alon-albalak/xlm-roberta-large-xquad")

高度な使用法

このREADMEには高度な使用法の具体的なコード例は記載されていません。

📚 ドキュメント

ハイパーパラメータ

batch_size = 48
n_epochs = 13
max_seq_len = 384
doc_stride = 128
learning_rate = 3e-5

性能

XQuADのホールドアウトテストセットで評価しました。

"exact_match": 87.12546816479401,
"f1": 94.77703248802527,
"test_samples": 2307

使用方法の注意事項

FARMとHaystackでの使用方法の説明は、https://huggingface.co/deepset/xlm-roberta-large-squad2 から引用しています。

🔧 技術詳細

このREADMEには具体的な技術詳細は記載されていません。

📄 ライセンス

このREADMEにはライセンス情報は記載されていません。