feat: add final AlignScoreCS.py file for ease of use with transformers.

AlignScoreCS.py

@@ -6,7 +6,7 @@ import numpy as np
 from typing import TYPE_CHECKING, Any, Callable, Dict, List, Optional, Tuple, Union
 import torch.nn as nn
 import torch
-from nltk.tokenize import sent_tokenize #If you don't have nltk, you can use another sentence tokenizer
+from nltk.tokenize import sent_tokenize #If you don't have nltk, you can use another sentence tokenizer (morphodita, spacy, etc.)
 from tqdm import tqdm
 
 class AlignScoreCS(transformers.XLMRobertaModel):
@@ -456,4 +456,4 @@ class AlignScoreCS(transformers.XLMRobertaModel):
                   , ("Jaký má číslo drezu Jaromír Jágr?", "Jaromír Jágr má číslo drezu 68."), ("Kolik je Jaromíru Jágrovi let?", "Jaromíru Jágrovi je 68."), ("Kolik je Jaromíru Jágrovi let?", "Jaromíru Jágrovi je 67.")
                  , ("Co udělali lidi, když Jágr střelil gól?", "Lidi začali šílet. Dokonce šílely i po zápase."), ("Co udělali lidi, když Jágr střelil gól?", "Šli dát góla Haškovi")]
         for co,cl in zip(contexts*len(claims),claims):
-            print(round(model.score(co, cl[1],eval_mode="nli_sp",eval_question_answer=cl[0] ).tolist()[0],5)," ".join(cl))
+            print(round(self.score(co, cl[1],eval_mode="nli_sp",eval_question_answer=cl[0] ).tolist()[0],5)," ".join(cl))