语言:

• 多语言
• 英语
• 阿拉伯语
• 保加利亚语
• 德语
• 希腊语
• 西班牙语
• 法语
• 印地语
• 俄语
• 斯瓦希里语
• 泰语
• 土耳其语
• 乌尔都语
• 越南语
• 中文 许可证: mit 数据集:
• xnli 管道标签: 零样本分类 小部件:
• 文本: "安格拉·默克尔是德国的一位政治家，也是基民盟的主席" 候选标签: 政治, 经济, 娱乐, 环境 基础模型: intfloat/multilingual-e5-large-instruct 模型索引:
• 名称: multilingual-e5-large-instruct-xnli 结果: []

multilingual-e5-large-instruct-xnli

该模型是基于intfloat/multilingual-e5-large-instruct在XNLI数据集上微调的版本。

模型描述

通过弱监督对比预训练获取文本嵌入。 王亮，杨楠，黄晓龙，焦彬星，杨林军，姜大新，Rangan Majumder，韦福如，arXiv 2022

如何使用该模型

使用零样本分类管道

可以通过zero-shot-classification管道加载该模型：

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

然后，您可以使用该管道将序列分类为您指定的任何类别名称。

sequence_to_classify = "安格拉·默克尔是德国的一位政治家，也是基民盟的主席"
candidate_labels = ["政治", "经济", "娱乐", "环境"]
classifier(sequence_to_classify, candidate_labels)

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

candidate_labels = ["政治", "经济", "娱乐", "环境"]
classifier(sequence_to_classify, candidate_labels, multi_label=True)

手动使用PyTorch

该模型也可以这样应用于NLI任务：

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

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

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

premise = "但我以为你戒掉咖啡了。"
hypothesis = "我以为你发誓要多喝咖啡。"

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 = ["蕴含", "中立", "矛盾"]
prediction = {name: round(float(pred) * 100, 2) for pred, name in zip(prediction, label_names)}
print(prediction)

评估结果

该模型在XNLI测试集上对15种语言进行了评估：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）。使用的指标是准确率。

该模型还使用MultiNLI的开发集和ANLI的测试集进行了评估。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，betas=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型: linear
• 学习率预热比例: 0.1
• 训练轮数: 1

框架版本

• Transformers 4.28.1
• Pytorch 1.12.1+cu116
• Datasets 2.19.2
• Tokenizers 0.12.1