Bert Base Multilingual Xquad

🚀 bert-base-multilingual-uncased を用いた多言語質問応答

本プロジェクトでは、bert-base-multilingual-uncased 言語モデルを使用して多言語質問応答タスクを行い、XQuAD データセットを基に訓練とテストを行っています。多言語環境下での抽出型質問応答機能を実現することができます。

🚀 クイックスタート

このモデルは多言語抽出型質問応答タスクに使用できます。以下は、異なるフレームワークでの使用例です。

✨ 主な機能

• 言語モデル：bert-base-multilingual-uncased 言語モデルを採用しています。
• 下流タスク：抽出型質問応答タスクに特化しています。
• 訓練データ：XQuAD データセットを使用して訓練とテストを行っています。

📦 インストール

ドキュメントではインストール手順が提供されていません。関連フレームワーク（Transformers、FARM、Haystack など）の公式ドキュメントを参照してインストールしてください。

💻 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/bert-base-multilingual-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/bert-base-multilingual-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/bert-base-multilingual-xquad")
# or 
reader = TransformersReader(model="alon-albalak/bert-base-multilingual-xquad",tokenizer="alon-albalak/bert-base-multilingual-xquad")

注釈：FARM と Haystack の使用説明は、https://huggingface.co/deepset/xlm-roberta-large-squad2 を参考にしています。

📚 ドキュメント

ハイパーパラメータ設定

batch_size = 48
n_epochs = 6
max_seq_len = 384
doc_stride = 128
learning_rate = 3e-5

性能評価

XQuAD の保留テストセットで評価を行った結果は以下の通りです。

"exact_match": 64.6067415730337,
"f1": 79.52043478874286,
"test_samples": 2384

情報テーブル