🚀 RuBERT用于自然语言推理（NLI）

这是一个基于DeepPavlov/rubert-base-cased微调的模型，用于预测两个短文本之间的逻辑关系：蕴含、矛盾或中立。

🚀 快速开始

本模型可用于自然语言推理（NLI）和零样本短文本分类。下面将分别介绍其使用方法。

✨ 主要特性

• 基于DeepPavlov/rubert-base-cased进行微调。
• 可预测两个短文本之间的逻辑关系，包括蕴含、矛盾或中立。
• 支持零样本短文本分类，例如情感分析。

📦 安装指南

运行以下命令安装所需的库：

!pip install transformers sentencepiece --quiet

💻 使用示例

基础用法

以下是如何运行该模型进行自然语言推理（NLI）的示例代码：

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

model_checkpoint = 'cointegrated/rubert-base-cased-nli-threeway'
tokenizer = AutoTokenizer.from_pretrained(model_checkpoint)
model = AutoModelForSequenceClassification.from_pretrained(model_checkpoint)
if torch.cuda.is_available():
    model.cuda()

text1 = 'Сократ - человек, а все люди смертны.'
text2 = 'Сократ никогда не умрёт.'
with torch.inference_mode():
    out = model(**tokenizer(text1, text2, return_tensors='pt').to(model.device))
    proba = torch.softmax(out.logits, -1).cpu().numpy()[0]
print({v: proba[k] for k, v in model.config.id2label.items()})
# {'entailment': 0.009525929, 'contradiction': 0.9332064, 'neutral': 0.05726764} 

高级用法

你还可以使用此模型进行零样本短文本分类（仅通过标签），例如情感分析：

def predict_zero_shot(text, label_texts, model, tokenizer, label='entailment', normalize=True):
    label_texts
    tokens = tokenizer([text] * len(label_texts), label_texts, truncation=True, return_tensors='pt', padding=True)
    with torch.inference_mode():
        result = torch.softmax(model(**tokens.to(model.device)).logits, -1)
    proba = result[:, model.config.label2id[label]].cpu().numpy()
    if normalize:
        proba /= sum(proba)
    return proba

classes = ['Я доволен', 'Я недоволен']
predict_zero_shot('Какая гадость эта ваша заливная рыба!', classes, model, tokenizer)
# array([0.05609814, 0.9439019 ], dtype=float32)
predict_zero_shot('Какая вкусная эта ваша заливная рыба!', classes, model, tokenizer)
# array([0.9059292 , 0.09407079], dtype=float32)

另外，你也可以使用 Huggingface pipelines 进行推理。

📚 详细文档

模型来源

该模型在一系列从英语自动翻译成俄语的NLI数据集上进行训练。

大部分数据集取自 Felipe Salvatore的仓库：

• JOCI
• MNLI
• MPE
• SICK
• SNLI

部分数据集从原始来源获取：

• ANLI
• NLI-style FEVER
• IMPPRES

性能表现

下表展示了五个模型在相应 dev 集上的ROC AUC（一类与其他类）：

在评估（以及训练 tiny 和 twoway 模型）时，使用了一些额外的数据集：

• Add-one RTE
• CoPA
• IIE
• SCITAIL 取自 Felipe Salvatore的仓库 并进行翻译
• HELP 和 MoNLI 从原始来源获取并进行翻译
• 俄语 TERRa