File size: 1,431 Bytes
ec8f79c cd9a637 ec8f79c 91bbc9e ec8f79c 91bbc9e |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 |
---
license: mit
datasets:
- Den4ikAI/russian_dialogues
language:
- ru
widget:
- text: '[CLS]Что такое QR-код?[REPONSE_TOKEN]QR-код - это тип матричного штрих-кода.'
- text: '[CLS]Как какать?[RESPONSE_TOKEN]Снимите штаны, сядьте на унитаз и покакайте.'
pipeline_tag: text-classification
---
# Den4ikAI/ruBert-base-qa-ranker
Модель для оценки релевантности ответов на вопросы.
# Использование
```python
import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained('Den4ikAI/ruBert-base-qa-ranker')
model = AutoModelForSequenceClassification.from_pretrained('Den4ikAI/ruBert-base-qa-ranker')
inputs = tokenizer('[CLS]Что такое QR-код?[RESPONSE_TOKEN]QR-код - это тип матричного штрих-кода.', max_length=512, add_special_tokens=False, return_tensors='pt')
with torch.inference_mode():
logits = model(**inputs).logits
probas = torch.sigmoid(logits)[0].cpu().detach().numpy()
relevance, no_relevance = probas
print('Relevance: {}'.format(relevance))
```
# Citation
```
@MISC{Den4ikAI/ruBert-base-qa-ranker,
author = {Denis Petrov},
title = {Russian QA relevancy model},
url = {https://huggingface.co./Den4ikAI/ruBert-base-qa-ranker},
year = 2023
}
```
|