Bertin Roberta Base Finetuning Esnli

🚀 bertin-roberta-base-finetuning-esnli

這是一個基於 sentence-transformers 的模型，在一系列西班牙語自然語言推理（NLI）任務上進行了訓練。它能將句子和段落映射到一個 768 維的密集向量空間，可用於聚類或語義搜索等任務。該模型基於 這篇論文 中的孿生網絡方法構建。

你可以在 這裡 查看該模型的演示。另外，你還能在 這裡 找到我們的另一個模型 paraphrase-spanish-distilroberta，並在 這裡 查看其演示。

🚀 快速開始

✨ 主要特性

• 基於 sentence-transformers 框架訓練，適用於西班牙語的自然語言推理任務。
• 將句子和段落映射到 768 維的密集向量空間，可用於聚類和語義搜索等任務。
• 基於孿生網絡方法構建，提升了模型性能。

📦 安裝指南

若要使用此模型，你需要安裝 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基礎用法（Sentence-Transformers）

安裝好 sentence-transformers 後，你可以按如下方式使用該模型：

from sentence_transformers import SentenceTransformer
sentences = ["Este es un ejemplo", "Cada oración es transformada"]

model = SentenceTransformer('hackathon-pln-es/bertin-roberta-base-finetuning-esnli')
embeddings = model.encode(sentences)
print(embeddings)

高級用法（HuggingFace Transformers）

若未安裝 sentence-transformers，你可以按以下方式使用該模型：首先，將輸入數據傳入 Transformer 模型，然後對上下文詞嵌入應用合適的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('hackathon-pln-es/bertin-roberta-base-finetuning-esnli')
model = AutoModel.from_pretrained('hackathon-pln-es/bertin-roberta-base-finetuning-esnli')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

📚 詳細文檔

評估結果

我們使用 SemEval-2015 任務 的 西班牙語數據集 對模型進行了語義文本相似度任務的評估。評估指標如下：

訓練

模型的訓練參數如下：

• 數據集：我們使用了一系列自然語言推理數據集作為訓練數據，包括僅西班牙語部分的 ESXNLI、自動翻譯的 SNLI 和 MultiNLI。完整的數據集可在 這裡 獲取。以下是我們用於增加訓練數據量的技巧：

  for row in reader:
    if row['language'] == 'es':
      
      sent1 = row['sentence1'].strip()
      sent2 = row['sentence2'].strip()
    
      add_to_samples(sent1, sent2, row['gold_label'])
      add_to_samples(sent2, sent1, row['gold_label'])  #Also add the opposite

• 數據加載器：使用 sentence_transformers.datasets.NoDuplicatesDataLoader.NoDuplicatesDataLoader，長度為 1818，參數如下：

{'batch_size': 64}

• 損失函數：使用 sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss，參數如下：

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

• fit() 方法的參數：

{
    "epochs": 10,
    "evaluation_steps": 0,
    "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'transformers.optimization.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 909,
    "weight_decay": 0.01
}

🔧 技術細節

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 514, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (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})
)

📄 許可證

文檔未提供相關許可證信息。

👨‍💻 作者

• Anibal Pérez
• Emilio Tomás Ariza
• Lautaro Gesuelli
• Mauricio Mazuecos