语言: 英文
标签:

• 文本蕴含
• 自然语言推理
• PyTorch
  数据集:
• MNLI
  许可证: MIT
  示例输入:
• 文本: "EpCAM在乳腺癌中过表达。 EpCAM在乳腺癌中表达下调。"

基于PubMedBERT微调的文本蕴含模型（NLI）

本模型由microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext在MNLI数据集上微调而成，适用于涉及生物医学语料的文本蕴含任务。

使用方法

给定两个句子（前提与假设），模型将输出蕴含、中立或矛盾的逻辑值。

可通过右侧HuggingFace模型组件测试：

• 输入两个连续句子（前提与假设）
• 模型返回三个标签的概率：蕴含（LABEL:0）、中立（LABEL:1）、矛盾（LABEL:2）

本地运行代码示例：

# import torch
# device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

from transformers import AutoTokenizer, AutoModelForSequenceClassification
  
tokenizer = AutoTokenizer.from_pretrained("lighteternal/BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext-finetuned-mnli")
model = AutoModelForSequenceClassification.from_pretrained("lighteternal/BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext-finetuned-mnli")

premise = 'EpCAM在乳腺癌中过表达'
hypothesis = 'EpCAM在乳腺癌中表达下调'

# 通过MNLI预训练模型运行
x = tokenizer.encode(premise, hypothesis, return_tensors='pt',
                     truncation_strategy='only_first')
logits = model(x)[0]

probs = logits.softmax(dim=1)
print('蕴含、中立、矛盾的概率 \n', np.around(probs.cpu().
                                                                           detach().numpy(),3))
# 输出概率示例
# 0.001 0.001 0.998

性能指标

MNLI测试集分类准确率评估（蕴含/矛盾/中立）：

详见"训练指标"标签页获取详细信息。