语言:

• 波斯语
• 多语言 标签:
• 问答系统
• XLM-RoBERTa
• RoBERTa
• SQuAD 数据集:
• SajjadAyoubi/persian_qa 评估指标:
• squad_v2 示例输入:
• 文本: "拉普拉斯算子的应用？" 上下文: "拉普拉斯方程是一个偏微分方程，在数学、物理和工程领域具有极其重要的应用价值。例如电磁学、天文学和流体动力学等领域都涉及该方程的求解。"
• 文本: "雅尔达夜的另一名称？" 上下文: "雅尔达夜或切勒夜是最古老的伊朗节日之一。这个节日庆祝北半球一年中最长的夜晚及随后的白昼渐长现象，恰逢冬至时节。该夜另称「切勒」，因这一庆典是伊朗传统仪式。"
• 文本: "伊朗人最古老的节日是什么？" 上下文: "雅尔达夜或切勒夜是最古老的伊朗节日之一。这个节日庆祝北半球一年中最长的夜晚及随后的白昼渐长现象，恰逢冬至时节。该夜另称「切勒」，因这一庆典是伊朗传统仪式。"
• 文本: "雅尔达夜对应什么天文现象？" 上下文: "雅尔达夜或切勒夜是最古老的伊朗节日之一。这个节日庆祝北半球一年中最长的夜晚及随后的白昼渐长现象，恰逢冬至时节。该夜另称「切勒」，因这一庆典是伊朗传统仪式。" 模型索引:
• 名称: 波斯语问答XLM-RoBERTa大模型（PersianQA - 🇮🇷） 结果:
  • 任务: 类型: 问答系统 名称: 问答任务 数据集: 类型: SajjadAyoubi/persian_qa 名称: PersianQA 参数: 波斯语 指标:
    • 类型: squad_v2 值: 83.46 名称: 评估F1值 参数: 最大顺序
    • 类型: squad_v2 值: 66.88 名称: 评估精确匹配 参数: 最大顺序

波斯语问答XLM-RoBERTa大模型（PersianQA - 🇮🇷）

本模型是基于xlm-roberta-large在PersianQA数据集上微调的版本。

超参数

训练采用以下超参数：

• 学习率: 2e-05
• 训练批大小: 8
• 评估批大小: 8
• 随机种子: 42
• 梯度累积步数: 4
• 优化器: 带betas=(0.9,0.999)和epsilon=1e-08的Adam
• 学习率调度器类型: 线性
• 学习率预热比例: 0.1
• 训练轮数: 20.0
• 混合精度训练: 原生AMP

性能表现

使用官方评估脚本在验证集上的结果：

验证集

"有答案精确匹配": 58.678955453149,
"有答案F1值": 82.3746683591845,
"有答案总数": 651,
"无答案精确匹配": 86.02150537634408,
"无答案F1值": 86.02150537634408,
"无答案总数": 279,
"总体精确匹配": 66.88172043010752,
"总体F1值": 83.46871946433232,
"总样本数": 930

使用方式

from transformers import AutoModelForQuestionAnswering, AutoTokenizer, pipeline

model_name_or_path = "m3hrdadfi/xlmr-large-qa-fa"
nlp = pipeline('question-answering', model=model_name_or_path, tokenizer=model_name_or_path)

context = """
雅尔达夜或切勒夜是最古老的伊朗节日之一。
这个节日庆祝北半球一年中最长的夜晚及随后的白昼渐长现象，
恰逢冬至时节。该夜另称「切勒」，因这一庆典是伊朗传统仪式。
"""

questions = [
    "雅尔达夜的另一名称？",
    "伊朗人最古老的节日是什么？",
    "雅尔达夜对应什么天文现象？"
]

kwargs = {}

for question in questions:
    r = nlp(question=question, context=context, **kwargs)
    answer = " ".join([token.strip() for token in r["answer"].strip().split() if token.strip()])
    print(f"{question} {answer}")

输出结果

雅尔达夜的另一名称？ 「切勒」
伊朗人最古老的节日是什么？ 雅尔达夜或切勒夜
雅尔达夜对应什么天文现象？ 冬至

作者

• Mehrdad Farahani

框架版本

• Transformers 4.12.0.dev0
• Pytorch 1.9.1+cu111
• Datasets 1.12.1
• Tokenizers 0.10.3