dpr-question_encoder-single-nq-base

目录

• 模型详细信息
• 如何开始使用模型
• 使用场景
• 风险、限制和偏见
• 训练
• 评估
• 环境影响
• 技术规格
• 引文信息
• 模型卡片作者

模型详细信息

模型描述： Dense Passage Retrieval (DPR) 是一套用于最先进的开放域问答研究的工具和模型。dpr-question_encoder- single-nq-base是使用 Natural Questions (NQ) dataset （ Lee et al., 2019 ； Kwiatkowski et al., 2019 ）进行训练的问题编码器。

• 开发者： 请参阅 GitHub repo 以获取模型开发者
• 模型类型：基于BERT的编码器
• 语言： CC-BY-NC-4.0 ，请参阅 Code of Conduct
• 许可证：英文
• 相关模型：
  • dpr-ctx_encoder-single-nq-base
  • dpr-reader-single-nq-base
  • dpr-ctx_encoder-multiset-base
  • dpr-question_encoder-multiset-base
  • dpr-reader-multiset-base
• 获取更多信息的资源：
  • Research Paper
  • GitHub Repo
  • Hugging Face DPR docs
  • BERT Base Uncased Model Card

如何开始使用模型

使用以下代码开始使用模型。

from transformers import DPRQuestionEncoder, DPRQuestionEncoderTokenizer

tokenizer = DPRQuestionEncoderTokenizer.from_pretrained("facebook/dpr-question_encoder-single-nq-base")
model = DPRQuestionEncoder.from_pretrained("facebook/dpr-question_encoder-single-nq-base")
input_ids = tokenizer("Hello, is my dog cute ?", return_tensors="pt")["input_ids"]
embeddings = model(input_ids).pooler_output

使用场景

dpr-question_encoder-single-nq-base， dpr-ctx_encoder-single-nq-base 和 dpr-reader-single-nq-base 可用于开放域问答任务。

该模型不应被用于有意创建对人们具有敌意或疏远的环境。此外，DPR模型集不是为了成为人或事件的准确或真实表达而进行训练的，因此使用该模型生成此类内容超出了该模型的能力范围。

风险、限制和偏见

内容警告：读者应该注意，本节内容可能包含令人不安、冒犯和能够传播历史和当前刻板印象的内容。

已经进行了大量研究来探讨语言模型的偏见和公平性问题（参见，例如， Sheng et al., 2021 和 Bender et al., 2021 ）。模型生成的预测可能会涉及针对受保护的类别、身份特征以及敏感的社会和职业群体的令人不安和有害的刻板印象。

训练

该模型是使用 Natural Questions (NQ) dataset （ Lee et al., 2019 ； Kwiatkowski et al., 2019 ）进行训练的。模型作者写道：

[该数据集] 是为端到端问答而设计的。问题是从真实的谷歌搜索查询中提取的，答案是由注释者在维基百科文章中识别的片段。

训练过程在 associated paper 中描述：

给定一个包含M个文本段落的集合，我们密集文本段落检索器（DPR）的目标是在低维连续空间中索引所有段落，以便在运行时为读者高效地检索与输入问题相关的前k个段落。

我们的密集段落检索器（DPR）使用一个密集编码器EP（·），将任何文本段落映射到一个d维实值向量，并为我们将在检索过程中使用的所有M个段落建立索引。在运行时，DPR应用不同的编码器EQ（·），将输入问题映射到一个d维向量，并检索与问题向量最接近的k个段落。

作者报告称，对于编码器，他们使用了两个独立的BERT（ Devlin et al., 2019 ）网络（基础，不区分大小写），并在推理时使用FAISS（ Johnson et al., 2017 ）对段落进行编码和索引。有关训练的更多详细信息，请参阅论文，包括编码器、推理、正向和负向段落以及批次内负例。

评估

以下是从 associated paper 中提取的评估信息。

模型开发者报告了该模型在五个QA数据集上的性能，使用了top-k准确性（k ∈ {20, 100}）。数据集为 NQ 、 TriviaQA 、 WebQuestions (WQ) 、 CuratedTREC (TREC) 和 SQuAD v1.1 。

环境影响

可以使用 Machine Learning Impact calculator （见 Lacoste et al. (2019) 中提供的）来估算碳排放量。我们提供了硬件类型，并根据 associated paper 进行了估算。

• 硬件类型：8个32GB的GPU
• 使用时间：未知
• 云服务提供商：未知
• 计算区域：未知
• 排放的碳量：未知

技术规格

有关建模架构、目标、计算基础设施和训练详细信息，请参阅 associated paper 。

引文信息

  @inproceedings{karpukhin-etal-2020-dense,
    title = "Dense Passage Retrieval for Open-Domain Question Answering",
    author = "Karpukhin, Vladimir and Oguz, Barlas and Min, Sewon and Lewis, Patrick and Wu, Ledell and Edunov, Sergey and Chen, Danqi and Yih, Wen-tau",
    booktitle = "Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP)",
    month = nov,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2020.emnlp-main.550",
    doi = "10.18653/v1/2020.emnlp-main.550",
    pages = "6769--6781",
}

模型卡片作者

本模型卡片由Hugging Face团队撰写。