Mbert Base Parsinlu Entailment

🚀 文本蘊含（用於解決邏輯蘊含問題的模型）

本模型用於解決文本蘊含問題，能夠判斷兩個文本之間的邏輯關係。它可以幫助處理需要理解文本邏輯關聯的任務，為自然語言處理提供支持。

🚀 快速開始

以下是如何運行此模型的示例：

import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer
import numpy as np

labels = ["entails", "contradicts", "neutral"]
model_name_or_path = "persiannlp/mbert-base-parsinlu-entailment"
model = AutoModelForSequenceClassification.from_pretrained(model_name_or_path)
tokenizer = AutoTokenizer.from_pretrained(model_name_or_path,)


def model_predict(text_a, text_b):
    features = tokenizer( [(text_a, text_b)], padding="max_length", truncation=True, return_tensors='pt')
    output = model(**features)
    logits = output[0]
    probs = torch.nn.functional.softmax(logits, dim=1).tolist()
    idx = np.argmax(np.array(probs))
    print(labels[idx], probs)


model_predict(
    "این مسابقات بین آوریل و دسامبر در هیپودروم ولیفندی در نزدیکی باکرکی ، ۱۵ کیلومتری (۹ مایل) غرب استانبول برگزار می شود.",
    "در ولیفندی هیپودروم، مسابقاتی از آوریل تا دسامبر وجود دارد."
)

model_predict(
"آیا کودکانی وجود دارند که نیاز به سرگرمی دارند؟",
    "هیچ کودکی هرگز نمی خواهد سرگرم شود.",
)

model_predict(
    "ما به سفرهایی رفته ایم که در نهرهایی شنا کرده ایم",
    "علاوه بر استحمام در نهرها ، ما به اسپا ها و سونا ها نیز رفته ایم."
)

📚 詳細文檔

如需更多詳細信息，請訪問此頁面：https://github.com/persiannlp/parsinlu/

📄 許可證

本項目採用知識共享署名 - 非商業性使用 - 相同方式共享 4.0 國際許可協議（CC BY - NC - SA 4.0）。