Xlsim En De

🚀 {AnanyaCoder/XLsim_en-de}

XLSim是一种基于孪生网络架构的机器翻译评估指标。它是一种有监督的、基于参考的指标，通过对WMT（2017 - 2022）提供的人工评分进行回归分析得出结果。我们使用跨语言语言模型XLM - RoBERTa - base [ https://huggingface.co/xlm - roberta - base ]，结合孪生网络架构和余弦相似度损失函数来训练有监督模型。

🚀 快速开始

安装依赖

若要使用该模型，你需要安装sentence - transformers：

pip install -U sentence-transformers

代码示例

安装完成后，你可以按照以下方式使用该模型：

from sentence_transformers import SentenceTransformer, losses, models, util

metric_model = SentenceTransformer('{MODEL_NAME}')

# 计算两个列表的嵌入
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)

# 计算余弦相似度
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

📚 详细文档

评估结果

关于该模型的自动评估，请参考：[WMT23 Metrics Shared Task findings](https://aclanthology.org/2023.wmt - 1.51.pdf)

训练参数

该模型的训练参数如下：

数据加载器

使用torch.utils.data.dataloader.DataLoader，长度为6625，参数如下：

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

损失函数

使用sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss。

fit()方法的参数

{
    "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
}

完整模型架构

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})
)

引用与作者

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