概述

语言模型：gelectra-large-germanquad 语言：德语 训练数据：GermanQuAD训练集（约12MB） 评估数据：GermanQuAD测试集（约5MB） 基础设施：1x V100 GPU 发布时间：2021年4月21日

详情

• 我们以gelectra-large模型为基础训练了一个德语问答模型。
• 数据集为GermanQuAD，是一个全新的德语语言数据集，我们进行了手工注释和发布 online 。
• 训练数据集是单向注释的，包含11518个问题和11518个答案，而测试数据集是三向注释的，因此有2204个问题和2204·3-76=6536个答案，因为我们删除了76个错误答案。

有关更多详细信息和数据集下载，请参阅 https://deepset.ai/germanquad 中的SQuAD格式。

超参数

batch_size = 24
n_epochs = 2
max_seq_len = 384
learning_rate = 3e-5
lr_schedule = LinearWarmup
embeds_dropout_prob = 0.1

性能

我们在GermanQuAD测试集上评估了抽取式问答性能。模型类型和训练数据包含在模型名称中。对于XLM-Roberta的微调，我们使用英语SQuAD v2.0数据集。GELECTRA模型在SQuAD v1.1的德语翻译上进行了预热，然后在 GermanQuAD 上进行了微调。人工基线是通过将一个答案作为预测值，另外两个答案作为真实值来计算的。

作者

Timo Möller：timo.moeller@deepset.ai Julian Risch：julian.risch@deepset.ai Malte Pietsch：malte.pietsch@deepset.ai

关于我们

deepset 是开源NLP框架 Haystack 的公司，旨在帮助您构建可用于生产的NLP系统，可用于问答、摘要、排序等任务。

我们的其他作品：

• Distilled roberta-base-squad2 (aka "tinyroberta-squad2")
• German BERT (aka "bert-base-german-cased")
• GermanQuAD and GermanDPR datasets and models (aka "gelectra-base-germanquad", "gbert-base-germandpr")

联系我们并加入Haystack社区

要了解有关Haystack的更多信息，请访问我们的 GitHub 库和 Documentation 。

我们还有一个 Discord community open to everyone!

Twitter | LinkedIn | Discord | GitHub Discussions | Website

顺便说一句： we're hiring!