Klue-CommonSense-model

EasthShin

Pregunta y respuesta

Klue-bert base para QA de sentido común. El modelo Klue-CommonSense-model está entrenado en datos de sentido común de Mindslab y se utiliza para tareas de respuesta extractiva a preguntas.

Como usar

from transformers import AutoModelForQuestionAnswering, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("EasthShin/Klue-CommonSense-model")
model = AutoModelForQuestionAnswering.from_pretrained("EasthShin/Klue-CommonSense-model")

context = "your context"
question = "your question"

encodings = tokenizer(context, question, max_length=512, truncation=True,
padding="max_length", return_token_type_ids=False)
encodings = {key: torch.tensor([val]) for key, val in encodings.items()}             

input_ids = encodings["input_ids"]
attention_mask = encodings["attention_mask"]

pred = model(input_ids, attention_mask=attention_mask)

start_logits, end_logits = pred.start_logits, pred.end_logits

token_start_index, token_end_index = start_logits.argmax(dim=-1), end_logits.argmax(dim=-1)

pred_ids = input_ids[0][token_start_index: token_end_index + 1]

prediction = tokenizer.decode(pred_ids)

Funcionalidades

Modelo de lenguaje: klue/bert-base
Tarea de downstream: QA extractiva
Datos de entrenamiento: Datos de sentido común de Mindslab
Datos de evaluación: Datos de sentido común de Mindslab

Casos de uso

Respuesta a preguntas con sentido común
Tareas de QA extractiva