Gliclass Base V1.0

🚀 ⭐ GLiClass: シーケンス分類のための汎用的で軽量なモデル

これは、GLiNERの研究に触発された効率的なゼロショット分類器です。分類が単一の順伝播で行われるため、クロスエンコーダと同等の性能を示しながら、より計算効率が高いです。

このモデルは、トピック分類、センチメント分析、およびRAGパイプラインの再ランキングに使用できます。

このモデルは合成データで学習されており、商用アプリケーションで使用することができます。

🚀 クイックスタート

使い方

まず、GLiClassライブラリをインストールする必要があります。

pip install gliclass

次に、モデルとパイプラインを初期化する必要があります。

from gliclass import GLiClassModel, ZeroShotClassificationPipeline
from transformers import AutoTokenizer

model = GLiClassModel.from_pretrained("knowledgator/gliclass-base-v1.0")
tokenizer = AutoTokenizer.from_pretrained("knowledgator/gliclass-base-v1.0")

pipeline = ZeroShotClassificationPipeline(model, tokenizer, classification_type='multi-label', device='cuda:0')

text = "One day I will see the world!"
labels = ["travel", "dreams", "sport", "science", "politics"]
results = pipeline(text, labels, threshold=0.5)[0] #because we have one text

for result in results:
 print(result["label"], "=>", result["score"])

✨ 主な機能

• ゼロショット分類が可能で、クロスエンコーダと同等の性能を持ち、計算効率が高い。
• トピック分類、センチメント分析、RAGパイプラインの再ランキングに使用できる。
• 合成データで学習されており、商用アプリケーションでの利用が可能。

📚 ドキュメント

ベンチマーク

以下に、いくつかのテキスト分類データセットでのF1スコアを示します。すべてのテスト対象モデルは、これらのデータセットでファインチューニングされておらず、ゼロショット設定でテストされました。

以下に、他のGLiClassモデルとの比較を示します。

以下に、より多くのサンプルを提供することでモデルの性能がどのように向上するかを示します。

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。