Gliclass Base V1.0 Lw

🚀 ⭐ 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の研究にインスパイア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、計算効率が高く、クロスエンコーダと同等の性能を発揮します。

トピック分類、感情分析、RAGパイプラインのリランカーとして使用できます。

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も使用できます。

このバージョンのモデルは、層ごとの特徴選択を使用しており、言語の異なるレベルをよりよく理解することができます。

🚀 クイックスタート

インストール

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

モデルとパイプラインの初期化

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

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、事前学習なしで分類タスクを実行できます。
• 層ごとの特徴選択により、言語の異なるレベルを理解しやすくなっています。
• トピック分類、感情分析、RAGパイプラインのリランカーとして使用できます。

📚 ドキュメント

ベンチマーク

以下は、いくつかのテキスト分類データセットでのF1スコアです。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。

以下は、他のGLiClassモデルとの比較です。

以下は、モデルの性能がサンプル数を増やすことでどのように向上するかを示しています。

📄 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。