Qnli Electra Base

🚀 SQuAD（QNLI）クロスエンコーダ

このモデルは SentenceTransformers の Cross-Encoder クラスを使用して訓練されており、テキストの並べ替えタスクに使用できます。与えられた質問が段落によって回答できるかどうかを効果的に判断することができます。

🚀 クイックスタート

このモデルは SentenceTransformers の Cross-Encoder クラスを使用して訓練されており、テキストの並べ替えタスクに使用できます。

✨ 主な機能

• google/electra-base-discriminator ベースモデルに基づいています。
• GLUE QNLI データセットで訓練されており、このデータセットは SQuAD データセット を自然言語推論（NLI）タスクに変換したものです。

💻 使用例

基本的な使用法

事前学習済みモデルは以下のように使用できます。

from sentence_transformers import CrossEncoder

model = CrossEncoder('cross-encoder/qnli-electra-base')
scores = model.predict([('Query1', 'Paragraph1'), ('Query2', 'Paragraph2')])

#e.g.
scores = model.predict([('How many people live in Berlin?', 'Berlin had a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers.'), ('What is the size of New York?', 'New York City is famous for the Metropolitan Museum of Art.')])

高度な使用法

SentenceTransformers ライブラリを使用せずに、Transformers ライブラリを直接使用してこのモデルを使用することもできます。

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained('cross-encoder/qnli-electra-base')
tokenizer = AutoTokenizer.from_pretrained('cross-encoder/qnli-electra-base')

features = tokenizer(['How many people live in Berlin?', 'What is the size of New York?'], ['Berlin had a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers.', 'New York City is famous for the Metropolitan Museum of Art.'],  padding=True, truncation=True, return_tensors="pt")

model.eval()
with torch.no_grad():
    scores = torch.nn.functional.sigmoid(model(**features).logits)
    print(scores)

📚 ドキュメント

訓練データ

与えられた質問と段落に対して、このモデルは質問が段落によって回答できるかどうかを判断することができます。モデルは GLUE QNLI データセットで訓練されており、このデータセットは SQuAD データセット を自然言語推論（NLI）タスクに変換したものです。

性能

このモデルの性能結果については、SBERT.net 事前学習済みクロスエンコーダ を参照してください。

📄 ライセンス

このプロジェクトは Apache-2.0 ライセンスの下で提供されています。

📋 モデル情報