Nb Bert Base Mnli

🚀 NB - Bertベースモデル（ノルウェー語の機械翻訳MNLIでファインチューニング済み）

良い分類器を作成する最も効果的な方法は、事前学習済みモデルを特定のタスクに合わせてファインチューニングすることです。しかし、多くの場合、これは単純に不可能です。

🚀 クイックスタート

このモデルは、事前学習済みのMNLIモデルをゼロショットシーケンス分類器として使用する方法を提案したものです。ノルウェー語にはこのサイズのMNLIセットはありませんが、元のMNLIセットの機械翻訳バージョンで訓練されています。

✨ 主な機能

• 事前学習済みのMNLIモデルをゼロショットシーケンス分類器として使用することができます。
• ノルウェー語の機械翻訳MNLIセットでファインチューニングされています。

📦 インストール

このモデルを使用するには、Hugging Faceのパイプラインを使用することができます。以下のコードを実行してください。

from transformers import pipeline
classifier = pipeline("zero-shot-classification", model="NbAiLab/nb-bert-base-mnli")

💻 使用例

基本的な使用法

from transformers import pipeline
classifier = pipeline("zero-shot-classification", model="NbAiLab/nb-bert-base-mnli")

sequence_to_classify = 'Folkehelseinstituttets mest optimistiske anslag er at alle voksne er ferdigvaksinert innen midten av september.'
candidate_labels = ['politikk', 'helse', 'sport', 'religion']
hypothesis_template = 'Dette eksempelet er {}.'
classifier(sequence_to_classify, candidate_labels, hypothesis_template=hypothesis_template, multi_class=True)

# {'labels': ['helse', 'politikk', 'sport', 'religion'], 
# 'scores': [0.4210019111633301, 0.0674605593085289, 0.000840459018945694, 0.0007541406666859984],
# 'sequence': 'Folkehelseinstituttets mest optimistiske anslag er at alle over 18 år er ferdigvaksinert innen midten av september.'}

高度な使用法

モデルのテストには、NbAiLab Colab Notebook をおすすめします。

📚 ドキュメント

モデルに関する詳細な情報は、こちら を参照してください。ここでは、ゼロショット分類パイプラインの使用方法について詳しく説明されたColabも見つけることができます。

📄 ライセンス

このモデルはCC BY 4.0ライセンスの下で提供されています。

参考情報

💡 使用アドバイス

Hugging Faceのパイプラインを使用する場合、デフォルトの英語の仮説テンプレートではなく、ノルウェー語の仮説テンプレートを使用すると、より良い結果が得られます。