Roberta Base Chinese Extractive Qa

🚀 中文RoBERTa基礎問答模型

本模型用於抽取式問答任務。它能有效從給定文本中提取與問題相關的答案，為問答系統提供了強大的支持。

🚀 快速開始

本模型可直接用於抽取式問答任務。它經過了精心的微調，能高效準確地從文本中提取答案。

✨ 主要特性

• 多工具微調支持：該模型可通過 UER-py 進行微調，此工具在 這篇論文 中有詳細介紹。此外，還能使用 TencentPretrain 進行微調，該工具在 這篇論文 中被提及，它繼承了 UER-py 的優點，支持參數超過十億的模型，並將其擴展為多模態預訓練框架。
• 多途徑下載：你可以從 UER-py 模型庫頁面 下載該模型，也能通過 HuggingFace 從鏈接 roberta-base-chinese-extractive-qa 下載。

💻 使用示例

基礎用法

你可以使用以下代碼直接調用該模型進行抽取式問答：

>>> from transformers import AutoModelForQuestionAnswering,AutoTokenizer,pipeline
>>> model = AutoModelForQuestionAnswering.from_pretrained('uer/roberta-base-chinese-extractive-qa')
>>> tokenizer = AutoTokenizer.from_pretrained('uer/roberta-base-chinese-extractive-qa')
>>> QA = pipeline('question-answering', model=model, tokenizer=tokenizer)
>>> QA_input = {'question': "著名詩歌《假如生活欺騙了你》的作者是",'context': "普希金從那裡學習人民的語言，吸取了許多有益的養料，這一切對普希金後來的創作產生了很大的影響。這兩年裡，普希金創作了不少優秀的作品，如《囚徒》、《致大海》、《致凱恩》和《假如生活欺騙了你》等幾十首抒情詩，敘事詩《努林伯爵》，歷史劇《鮑里斯·戈都諾夫》，以及《葉甫蓋尼·奧涅金》前六章。"}
>>> QA(QA_input)
    {'score': 0.9766426682472229, 'start': 0, 'end': 3, 'answer': '普希金'}

📦 安裝指南

本部分文檔未提供具體安裝命令，故跳過。

📚 詳細文檔

訓練數據

訓練數據來自三個來源：cmrc2018、webqa 和 laisi。我們僅使用了這三個數據集的訓練集。

訓練過程

該模型在 騰訊雲 上通過 UER-py 進行微調。我們在預訓練模型 chinese_roberta_L-12_H-768 的基礎上，以 512 的序列長度進行了三個輪次的微調。在每個輪次結束時，當模型在開發集上取得最佳性能時，會對模型進行保存。

python3 finetune/run_cmrc.py --pretrained_model_path models/cluecorpussmall_roberta_base_seq512_model.bin-250000 \
                             --vocab_path models/google_zh_vocab.txt \
                             --train_path datasets/extractive_qa.json \
                             --dev_path datasets/cmrc2018/dev.json \
                             --output_model_path models/extractive_qa_model.bin \
                             --learning_rate 3e-5 --epochs_num 3 --batch_size 32 --seq_length 512

最後，我們將微調後的模型轉換為 Huggingface 格式：

python3 scripts/convert_bert_extractive_qa_from_uer_to_huggingface.py --input_model_path models/extractive_qa_model.bin \
                                                                      --output_model_path pytorch_model.bin \
                                                                      --layers_num 12

BibTeX 引用和引用信息

@article{liu2019roberta,
  title={Roberta: A robustly optimized bert pretraining approach},
  author={Liu, Yinhan and Ott, Myle and Goyal, Naman and Du, Jingfei and Joshi, Mandar and Chen, Danqi and Levy, Omer and Lewis, Mike and Zettlemoyer, Luke and Stoyanov, Veselin},
  journal={arXiv preprint arXiv:1907.11692},
  year={2019}
}

@article{zhao2019uer,
  title={UER: An Open-Source Toolkit for Pre-training Models},
  author={Zhao, Zhe and Chen, Hui and Zhang, Jinbin and Zhao, Xin and Liu, Tao and Lu, Wei and Chen, Xi and Deng, Haotang and Ju, Qi and Du, Xiaoyong},
  journal={EMNLP-IJCNLP 2019},
  pages={241},
  year={2019}
}

@article{zhao2023tencentpretrain,
  title={TencentPretrain: A Scalable and Flexible Toolkit for Pre-training Models of Different Modalities},
  author={Zhao, Zhe and Li, Yudong and Hou, Cheng and Zhao, Jing and others},
  journal={ACL 2023},
  pages={217},
  year={2023}

🔧 技術細節

本部分文檔未提供具體技術說明，故跳過。

📄 許可證

本部分文檔未提供許可證信息，故跳過。