Multilingual E5 Base Xnli

🚀 多语言e5基础XNLI模型

本模型是在XNLI数据集上对 intfloat/multilingual-e5-base 进行微调后的版本，可用于多语言零样本分类任务。

🚀 快速开始

本模型可用于多语言零样本分类任务，下面介绍不同方式的使用方法。

✨ 主要特性

• 多语言支持：支持英语（en）、阿拉伯语（ar）、保加利亚语（bg）、德语（de）、希腊语（el）、西班牙语（es）、法语（fr）、印地语（hi）、俄语（ru）、斯瓦希里语（sw）、泰语（th）、土耳其语（tr）、乌尔都语（ur）、越南语（vi）和中文（zh）等多种语言。
• 零样本分类：可以直接对未在训练中出现过的类别进行分类。

📦 安装指南

文档未提及安装步骤，跳过此章节。

💻 使用示例

基础用法

使用零样本分类管道

可以使用 zero-shot-classification 管道加载模型：

from transformers import pipeline
classifier = pipeline("zero-shot-classification",
                      model="mjwong/multilingual-e5-base-xnli")

然后可以使用此管道将序列分类到指定的任何类别名称中：

sequence_to_classify = "Angela Merkel ist eine Politikerin in Deutschland und Vorsitzende der CDU"
candidate_labels = ["politics", "economy", "entertainment", "environment"]
classifier(sequence_to_classify, candidate_labels)

如果有多个候选标签可能正确，可以传递 multi_class=True 来独立计算每个类别：

candidate_labels = ["politics", "economy", "entertainment", "environment"]
classifier(sequence_to_classify, candidate_labels, multi_label=True)

手动使用PyTorch

模型也可以应用于NLI任务：

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

# device = "cuda:0" or "cpu"
device = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")

model_name = "mjwong/multilingual-e5-base-xnli"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

premise = "But I thought you'd sworn off coffee."
hypothesis = "I thought that you vowed to drink more coffee."

input = tokenizer(premise, hypothesis, truncation=True, return_tensors="pt")
output = model(input["input_ids"].to(device))
prediction = torch.softmax(output["logits"][0], -1).tolist()
label_names = ["entailment", "neutral", "contradiction"]
prediction = {name: round(float(pred) * 100, 2) for pred, name in zip(prediction, label_names)}
print(prediction)

📚 详细文档

评估结果

模型在XNLI测试集上对15种语言进行了评估，使用的指标是准确率。

模型还使用MultiNLI开发集和ANLI测试集进行了评估，使用的指标是准确率。

训练超参数

训练期间使用了以下超参数：

• 学习率：2e-05
• 训练批次大小：16
• 评估批次大小：16
• 随机种子：42
• 优化器：Adam，β=(0.9, 0.999)，ε=1e-08
• 学习率调度器类型：线性
• 学习率调度器预热比例：0.1
• 训练轮数：1

框架版本

• Transformers 4.28.1
• Pytorch 1.12.1+cu116
• Datasets 2.11.0
• Tokenizers 0.12.1

🔧 技术细节

模型基于 Text Embeddings by Weakly-Supervised Contrastive Pre-training 论文的方法，由Liang Wang、Nan Yang、Xiaolong Huang、Binxing Jiao、Linjun Yang、Daxin Jiang、Rangan Majumder、Furu Wei于2022年在arXiv上发表。

📄 许可证

本模型使用MIT许可证。