Nli Deberta V3 Base

🚀 自然言語推論用クロスエンコーダ

このモデルは、自然言語推論（NLI）タスクに特化したクロスエンコーダモデルです。SentenceTransformers の Cross-Encoder クラスを使用して学習され、microsoft/deberta-v3-base をベースに構築されています。

📦 インストール

このモデルを使用するには、sentence-transformers または transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install sentence-transformers transformers

✨ 主な機能

• 高精度な自然言語推論：SNLI と MultiNLI データセットで学習され、高い精度で矛盾、含意、中立の関係を判断します。
• ゼロショット分類：事前学習済みのモデルを使用して、新しいクラスに対する分類タスクを実行できます。

📚 ドキュメント

モデル情報

パフォーマンス

• SNLI テストデータセットでの精度: 92.38
• MNLI 不一致セットでの精度: 90.04

詳細な評価結果については、SBERT.net - Pretrained Cross-Encoder を参照してください。

💻 使用例

基本的な使用法

事前学習済みのモデルは次のように使用できます。

from sentence_transformers import CrossEncoder
model = CrossEncoder('cross-encoder/nli-deberta-v3-base')
scores = model.predict([('A man is eating pizza', 'A man eats something'), ('A black race car starts up in front of a crowd of people.', 'A man is driving down a lonely road.')])

#Convert scores to labels
label_mapping = ['contradiction', 'entailment', 'neutral']
labels = [label_mapping[score_max] for score_max in scores.argmax(axis=1)]

高度な使用法

Transformers AutoModel を使用した場合

transformers ライブラリを直接使用してモデルを利用することもできます（SentenceTransformers ライブラリを使用せずに）。

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained('cross-encoder/nli-deberta-v3-base')
tokenizer = AutoTokenizer.from_pretrained('cross-encoder/nli-deberta-v3-base')

features = tokenizer(['A man is eating pizza', 'A black race car starts up in front of a crowd of people.'], ['A man eats something', 'A man is driving down a lonely road.'],  padding=True, truncation=True, return_tensors="pt")

model.eval()
with torch.no_grad():
    scores = model(**features).logits
    label_mapping = ['contradiction', 'entailment', 'neutral']
    labels = [label_mapping[score_max] for score_max in scores.argmax(dim=1)]
    print(labels)

ゼロショット分類

このモデルはゼロショット分類にも使用できます。

from transformers import pipeline

classifier = pipeline("zero-shot-classification", model='cross-encoder/nli-deberta-v3-base')

sent = "Apple just announced the newest iPhone X"
candidate_labels = ["technology", "sports", "politics"]
res = classifier(sent, candidate_labels)
print(res)

📄 ライセンス

このモデルは Apache License 2.0 の下で提供されています。