/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
multilingual-e5-large
Опубликована
5 июл 2023

multilingual-e5-large-xnli

Классификация текстаТекст → label11 профессий

Многоязычная модель для классификации текстов по заданным пользователем меткам без отдельного обучения на этих классах.

201скачиваний за 30 дней6лайковвеса обновлены7 июл 2024

Бенчмарки

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

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

mjwong/multilingual-e5-large-xnli — многоязычная модель классификации текста, дообученная на XNLI на основе intfloat/multilingual-e5-large. Её можно использовать в zero-shot-классификации: передать текст и произвольные метки классов, после чего модель оценит соответствие текста каждой метке. Для случаев, когда к тексту подходят несколько меток, поддерживается независимая оценка каждого класса.

Модель построена на архитектуре XLM-RoBERTa-large и содержит около 658,7 млн параметров. Контекст — до 514 токенов. В README приведены результаты оценки на XNLI для 15 языков, а также тесты на MultiNLI и ANLI. Модель распространяется по лицензии MIT.

Сценарии применения

  • классификация отзывов по произвольным категориям
  • тематическая разметка текстов без обучающей выборки
  • определение соответствия текста заданным меткам
  • многоязычная классификация пользовательских обращений

Ограничения

Контекст ограничен 514 токенами. Результаты на сложных примерах могут различаться между языками; в README оценка на ANLI для этой модели заметно ниже, чем на XNLI.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

multilingual-e5-large-xnli

This model is a fine-tuned version of intfloat/multilingual-e5-large on the XNLI dataset.

Model description

Text Embeddings by Weakly-Supervised Contrastive Pre-training. Liang Wang, Nan Yang, Xiaolong Huang, Binxing Jiao, Linjun Yang, Daxin Jiang, Rangan Majumder, Furu Wei, arXiv 2022

How to use the model

With the zero-shot classification pipeline

The model can be loaded with the zero-shot-classification pipeline like so:

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

You can then use this pipeline to classify sequences into any of the class names you specify.

sequence_to_classify = "Angela Merkel ist eine Politikerin in Deutschland und Vorsitzende der CDU"
candidate_labels = ["politics", "economy", "entertainment", "environment"]
classifier(sequence_to_classify, candidate_labels)

If more than one candidate label can be correct, pass multi_class=True to calculate each class independently:

candidate_labels = ["politics", "economy", "entertainment", "environment"]
classifier(sequence_to_classify, candidate_labels, multi_label=True)

With manual PyTorch

The model can also be applied on NLI tasks like so:

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

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

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

premise = "But I thought you'd sworn off coffee."
hypothesis = "I thought that you vowed to drink more coffee."

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 = ["entailment", "neutral", "contradiction"]
prediction = {name: round(float(pred) * 100, 2) for pred, name in zip(prediction, label_names)}
print(prediction)

Eval results

The model was evaluated using the XNLI test sets on 15 languages: English (en), Arabic (ar), Bulgarian (bg), German (de), Greek (el), Spanish (es), French (fr), Hindi (hi), Russian (ru), Swahili (sw), Thai (th), Turkish (tr), Urdu (ur), Vietnam (vi) and Chinese (zh). The metric used is accuracy.

Datasetsenarbgdeelesfrhiruswthtrurvizh
multilingual-e5-base-xnli0.8490.7680.8030.8000.7920.8090.8050.7380.7820.7280.7560.7660.7130.7870.785
multilingual-e5-base-xnli-anli0.8110.7110.7510.7590.7460.7780.7650.6850.7280.6620.7050.7160.6830.7360.740
multilingual-e5-large-xnli0.8670.7910.8320.8250.8230.8370.8240.7780.8060.7490.7870.7930.7380.8130.808
multilingual-e5-large-xnli-anli0.8650.7650.8110.8110.7950.8230.8160.7430.7850.7130.7650.7740.7060.7880.787
multilingual-e5-large-instruct-xnli0.8640.7930.8390.8210.8240.8370.8230.7700.8100.7440.7840.7910.7160.8070.807
multilingual-e5-large-instruct-xnli-anli0.8610.7800.8160.8080.8060.8250.8160.7580.7990.7270.7750.7800.7210.7870.795

The model was also evaluated using the dev sets for MultiNLI and test sets for ANLI. The metric used is accuracy.

Datasetsmnli_dev_mmnli_dev_mmanli_test_r1anli_test_r2anli_test_r3
multilingual-e5-base-xnli0.8350.8370.2870.2760.301
multilingual-e5-base-xnli-anli0.8140.8110.5880.4370.439
multilingual-e5-large-xnli0.8650.8650.3120.3160.300
multilingual-e5-large-xnli-anli0.8630.8630.6230.4560.455
multilingual-e5-large-instruct-xnli0.8670.8660.3410.3300.323
multilingual-e5-large-instruct-xnli-anli0.8620.8620.6150.4590.462

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1

Framework versions

  • Transformers 4.28.1
  • Pytorch 1.12.1+cu116
  • Datasets 2.11.0
  • Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForSequenceClassification
Ревизия весов
b94fa4c

0 моделей