/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
dpr · dense
Опубликована
2 мар 2022

gbert-base-germandpr-question_encoder

ЭмбеддингиТекст → embedding4 профессии

Немецкий DPR-энкодер deepset, преобразующий вопросы в векторы для поиска релевантных фрагментов документов.

847скачиваний за 30 дней5лайковвеса обновлены26 сен 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

deepset/gbert-base-germandpr-question_encoder — плотный энкодер вопросов для поиска релевантных фрагментов в системе Dense Passage Retrieval (DPR), разработанный deepset. Модель обучена на немецком наборе GermanDPR: в его основе размеченные пары вопросов и ответов GermanQuAD, а сложные отрицательные примеры получены из немецкой Википедии. Для вопросов и документов предусмотрены отдельные энкодеры; этот репозиторий содержит энкодер вопросов.

Модель предназначена для извлечения векторных представлений немецких вопросов, которые можно сопоставлять с векторами фрагментов документов, закодированными энкодером пассажей. Такой поиск подходит для систем вопросно-ответного поиска по немецким документам, в том числе на основе Haystack. Модель основана на gbert-base, содержит 137,1 млн параметров и поддерживает контекст до 512 токенов. Указана лицензия MIT.

В карточке сообщается, что на тестовом наборе GermanDPR при поиске по немецкой Википедии модель заметно превзошла BM25 по recall@k. Она специализирована на немецком поиске вопросов и не является генератором ответов: для полноценного DPR-поиска нужны также энкодер пассажей и индекс документов.

Сценарии применения

  • Векторизация немецких вопросов для плотного поиска по документам
  • Поиск релевантных фрагментов немецкой Википедии для ответа на вопрос
  • Настройка retrieval-компонента немецкоязычной QA-системы в Haystack

Ограничения

Модель кодирует вопросы, но сама не извлекает пассажи и не генерирует ответы; для DPR-поиска требуются энкодер пассажей и индекс документов. Она обучена для немецкого языка на GermanDPR, а длина контекста ограничена 512 токенами.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert_image

Overview

Language model: gbert-base-germandpr
Language: German
Training data: GermanDPR train set (~ 56MB)
Eval data: GermanDPR test set (~ 6MB)
Infrastructure: 4x V100 GPU
Published: Apr 26th, 2021

Details

  • We trained a dense passage retrieval model with two gbert-base models as encoders of questions and passages.
  • The dataset is GermanDPR, a new, German language dataset, which we hand-annotated and published online.
  • It comprises 9275 question/answer pairs in the training set and 1025 pairs in the test set. For each pair, there are one positive context and three hard negative contexts.
  • As the basis of the training data, we used our hand-annotated GermanQuAD dataset as positive samples and generated hard negative samples from the latest German Wikipedia dump (6GB of raw txt files).
  • The data dump was cleaned with tailored scripts, leading to 2.8 million indexed passages from German Wikipedia.

See https://deepset.ai/germanquad for more details and dataset download.

Hyperparameters

batch_size = 40
n_epochs = 20
num_training_steps = 4640
num_warmup_steps = 460
max_seq_len = 32 tokens for question encoder and 300 tokens for passage encoder
learning_rate = 1e-6
lr_schedule = LinearWarmup
embeds_dropout_prob = 0.1
num_hard_negatives = 2

Performance

During training, we monitored the in-batch average rank and the loss and evaluated different batch sizes, numbers of epochs, and number of hard negatives on a dev set split from the train set. The dev split contained 1030 question/answer pairs. Even without thorough hyperparameter tuning, we observed quite stable learning. Multiple restarts with different seeds produced quite similar results. Note that the in-batch average rank is influenced by settings for batch size and number of hard negatives. A smaller number of hard negatives makes the task easier. After fixing the hyperparameters we trained the model on the full GermanDPR train set.

We further evaluated the retrieval performance of the trained model on the full German Wikipedia with the GermanDPR test set as labels. To this end, we converted the GermanDPR test set to SQuAD format. The DPR model drastically outperforms the BM25 baseline with regard to recall@k. performancetable

Usage

In haystack

You can load the model in haystack as a retriever for doing QA at scale:

retriever = DensePassageRetriever(
  document_store=document_store,
  query_embedding_model="deepset/gbert-base-germandpr-question_encoder"
  passage_embedding_model="deepset/gbert-base-germandpr-ctx_encoder"
)

About us

deepset is the company behind the production-ready open-source AI framework Haystack.

Some of our other work:

Get in touch and join the Haystack community

We also have a Discord community open to everyone!

Twitter | LinkedIn | Discord | GitHub Discussions | Website | YouTube

By the way: we're hiring!

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
DPRQuestionEncoder
Ревизия весов
c5b8d88

0 моделей