luke-japanese-base-finetuned-jnli

项目介绍：luke-japanese-base-finetuned-jnli

项目概述

该项目的核心是基于luke-japanese-base模型，对其进行微调，使其能够适用于日本国内开发的JNLI（Japanese Natural Language Inference，日语自然语言推理）任务。具体来说，模型使用了Yahoo Japan提供的JGLUE数据集，来完成微调。通过这种调整，该模型能够判断两段日语文本之间的关系，包括矛盾、中立以及蕴含关系。

模型的应用

luke-japanese-base-finetuned-jnli模型的主要用途是进行自然语言推理。它能够分析两段文本，判定它们之间的语义关系是否为矛盾、中立或蕴含。对于日语文本的理解和处理，特别是在需要判断句子间关系的任务中，这一模型表现出色。

模型性能

目前，这个经过微调的模型在精度上达到了89.77%。这一精度显示了该模型在处理日语文本推理任务中的有效性。

使用方法

要使用这个模型进行文本关系判别任务，用户需要安装transformers和sentencepiece两个库。以下是使用示例：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

tokenizer=AutoTokenizer.from_pretrained('Mizuiro-sakura/luke-japanese-base-finetuned-jnli')
model=AutoModelForSequenceClassification.from_pretrained('Mizuiro-sakura/luke-japanese-base-finetuned-jnli')

token=tokenizer.encode('時計がついている場所にパブリックマーケットセンターとかかれた看板が設置されています。', '屋根の上に看板があり時計もついています。')
result=model(torch.tensor(token).unsqueeze(0))
max_index=torch.argmax(result.logits)

if max_index==0:
    print('contradiction')
elif max_index==1:
    print('neutral')
elif max_index==2:
    print('entailment')

LUKE模型简介

LUKE（Language Understanding with Knowledge-based Embeddings）是一种基于Transformer的新型预训练模型，能够对文字和实体进行上下文化表示。LUKE将文本中的单词和实体视为独立的token，并通过实体感知的自注意力机制对其进行表示。它在多个NLP基准测试中表现卓越，如SQuAD、CoNLL-2003、ReCoRD等。

luke-japanese是LUKE模型的日语版本，能够将单词和实体处理为独立的token，并考虑到其上下文进行表述。