clueai_demo / app.py
zxw's picture
Update app.py
745c0bf
import subprocess
def runcmd(command):
ret = subprocess.run(command,shell=True,stdout=subprocess.PIPE,stderr=subprocess.PIPE,encoding="utf-8",timeout=60)
if ret.returncode == 0:
print("success:",ret)
else:
print("error:",ret)
runcmd("pip3 install --upgrade clueai")
import clueai
import streamlit as st
def introduction():
st.markdown('''
# 全中文任务支持零样本学习模型
[PromptCLUE](https://github.com/clue-ai/PromptCLUE):支持最多中文任务的开源预训练模型
这个模型是基于1000亿token中文语料上预训练,并且在数百种任务上进行Prompt任务式训练。针对理解类任务,如分类、情感分析、抽取等,可以自定义标签体系;针对多种生成任务,可以进行采样自由生成。
## 模型描述
支持几十个不同类型的任务,具有较好的零样本学习能力和少样本学习能力。针对理解类任务,如分类、情感分析、抽取等,可以自定义标签体系;针对生成任务,可以进行采样自由生成。千亿中文token上大规模预训练,累计学习1.5万亿中文token,亿级中文任务数据上完成训练,训练任务超过150+。比base版平均任务提升7个点+;具有更好的理解、生成和抽取能力,并且支持文本改写、纠错、知识图谱问答。 实现了中文上的三大统一:统一模型框架,统一任务形式,统一应用方式。
- 统一模型框架:采用Text-to-Text的生成式预训练模型进行统一建模。
- 统一任务形式:Prompt统一不同的NLP任务间的差异,转化为统一的text-to-text数据形式。
- 统一应用方式:对目标任务形成拿来即用的模型,下游应用时都可转化为统一的prompt自适应方式,进行zero-shot/few-shot测试。
### 模型局限性及可能的偏差
我们的模型基于大规模NLP数据集(如[pCLUE](https://github.com/CLUEbenchmark/pCLUE)),各领域综合表现素质较高,但在某些垂直领域可能表现稍弱;
## 训练数据介绍
pCLUE:基于提示的大规模预训练数据集,用于多任务学习和零样本学习
### 目前已经有包含9个数据集:
```
1.单分类tnews
2.单分类iflytek
3.自然语言推理ocnli
4.语义匹配afqmc
5.指代消解-cluewsc2020
6.关键词识别-csl
7.阅读理解-自由式c3
8.阅读理解-抽取式cmrc2018
9.阅读理解-成语填空chid
```
### 字段说明及评价标准:
```
input:模型的输入
target:模型的输出
type:任务类型,阅读理解(mrc),分类(classify),生成(generate),自然语言推理(nli)
评价标准:阅读理解(em),分类(acc),生成(em),自然语言推理(acc)
answer_choices:选项(只有分类、推理类任务有)
```
## 数据评估及结果
效果对比--16类中文任务
| 任务类型 | PromptCLUE-base | PromptCLUE-large |
| :----------------------------: | :-------------: | :--------------: |
| **分数** Score | 63.47 | 70.55(+7.08) |
| 参数 Parameters | 220M | 770M |
| **理解任务**(acc,10类) | | |
| 分类 classify | 89.56 | 92.89 |
| 情感分析 emotion_analysis | 80.55 | 85.64 |
| 相似度计算 similar | 70.94 | 78.47 |
| 自然语言推理 nli | 78.00 | 86.67 |
| 指代消解 anaphora_resolution | 30.00 | 64.00 |
| 阅读理解 reading_comprehension | 71.69 | 84.78 |
| 关键词提取 keywords_extraction | 41.44 | 47.78 |
| 信息抽取 ner | 63.02 | 70.09 |
| 知识图谱问答 knowledge_graph | - | 53.11 |
| 中心词提取 Keyword_extraction | 66.50 | 71.50 |
| **生成任务**(rouge,6类) | | |
| 翻译(英中、中英) nmt | 55.92 | 59.67 |
| 摘要 summary | 31.71 | 34.48 |
| 问答 qa | 21.18 | 27.05 |
| 生成(文章、问题生成) | 35.86 | 39.87 |
| 改写 paraphrase | - | 57.68 |
| 纠错 correct | - | 93.35 |
''')
if __name__ == '__main__':
cl = clueai.Client('wTzinq_UcR-eYoS0iZuEc101001011')
st.markdown("# Hi! 🖐️🖐️🖐️\n"
"# 这是一个文本摘要在线生成工具\n"
"不知道如何使用\n?"
"很简单:只需要将文本复制到**文本框**中,再点击**生成**就可以了"
""
"")
phrase = '对于美方提出两国元首在巴厘岛举行会晤等涉华言论,在今天(10日)举行的中国外交部例行记者会上,发言人赵立坚表示,中美两国元首通过多种方式保持经常性联系。中方重视美方提出两国元首在巴厘岛举行会晤的建议,目前双方正就此保持沟通。中方对美政策立场是一贯和明确的,我们致力于同美方实现相互尊重、和平共处、合作共赢,同时坚定捍卫自身主权安全发展利益。'
st.markdown(f" **示例文本:**\n >{phrase} ")
st.markdown(f" **示例输出:**\n >外交部:中方重视美方提议两国元首巴厘岛会晤 ")
st.markdown("😊😊 \n **已经了解了?接下来开始文本你的文本摘要之旅吧!**")
text = st.text_area("在此输入",height=50)
# generate a prediction for a prompt
butt = st.button("生成")
if butt and text != "":
prompt = f'''
概括文章中心思想:\n{text}
摘要:
'''
# print the predicted text
prediction = cl.generate(
model_name='clueai-large',
prompt=prompt)
st.markdown(f"**生成摘要:**\n > {prediction.generations[0].text}")
st.balloons()
st.write("\n")
st.write("\n")
st.write("\n")
st.write("\n")
click=1
c=st.button("模型介绍")
if c:
introduction()