Xlsim En De

🚀 {AnanyaCoder/XLsim_en-de}

XLSim是一種基於孿生網絡架構的機器翻譯評估指標。它是一種有監督的、基於參考的指標，通過對WMT（2017 - 2022）提供的人工評分進行迴歸分析得出結果。我們使用跨語言語言模型XLM - RoBERTa - base [ https://huggingface.co/xlm - roberta - base ]，結合孿生網絡架構和餘弦相似度損失函數來訓練有監督模型。

🚀 快速開始

安裝依賴

若要使用該模型，你需要安裝sentence - transformers：

pip install -U sentence-transformers

代碼示例

安裝完成後，你可以按照以下方式使用該模型：

from sentence_transformers import SentenceTransformer, losses, models, util

metric_model = SentenceTransformer('{MODEL_NAME}')

# 計算兩個列表的嵌入
mt_samples = ['This is a mt sentence1', 'This is a mt sentence2']
ref_samples = ['This is a ref sentence1', 'This is a ref sentence2']

mtembeddings = metric_model.encode(mt_samples, convert_to_tensor=True)
refembeddings = metric_model.encode(ref_samples, convert_to_tensor=True)

# 計算餘弦相似度
cosine_scores_refmt = util.cos_sim(mtembeddings, refembeddings)
# cosine_scores_srcmt = util.cos_sim(mtembeddings, srcembeddings) # qe
metric_model_scores = []
for i in range(len(mt_samples)):
    metric_model_scores.append(cosine_scores_refmt[i][i].tolist())

scores = metric_model_scores

📚 詳細文檔

評估結果

關於該模型的自動評估，請參考：[WMT23 Metrics Shared Task findings](https://aclanthology.org/2023.wmt - 1.51.pdf)

訓練參數

該模型的訓練參數如下：

數據加載器

使用torch.utils.data.dataloader.DataLoader，長度為6625，參數如下：

{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

損失函數

使用sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss。

fit()方法的參數

{
    "epochs": 4,
    "evaluation_steps": 1000,
    "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e - 05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 2650,
    "weight_decay": 0.01
}

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

引用與作者

更多信息請參考：[MEE4 and XLsim : IIIT HYD’s Submissions’ for WMT23 Metrics Shared Task](https://aclanthology.org/2023.wmt - 1.66) (Mukherjee & Shrivastava, WMT 2023)