Gliclass Large 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、クロスエンコーダと同じ性能を示しながらも、より計算効率が高いです。

このモデルは、トピック分類、感情分析、およびRAGパイプラインのリランカーとして使用することができます。

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-large-v1.0")
tokenizer = AutoTokenizer.from_pretrained("knowledgator/gliclass-large-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、事前学習なしで新しいタスクに対応できます。
• 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利用できます。
• 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使用が可能です。

📚 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におけるF1スコアを示します。すべてのテスト対象モデルは、そ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ています。

他のGLiClassモデルとの比較は以下の通りです。

以下は、モデルにより多くの例を与えることで性能が向上する様子を示しています。

📄 ライセンス

このプロジェクトは、Apache-2.0ライセンスの下で公開されています。