Rubert Mini Sts

🚀 セマンティックテキスト類似度（STS）用のベースBertモデル（CPU対応）

このモデルは、ロシア語の文章に対するコンパクトな埋め込みベクトルを計算するための基本的なBERTモデルです。cointegrated/rubert-tiny2 をベースに構築されており、同様のコンテキストサイズ（2048）と埋め込みベクトルの次元数（312）を持ち、層の数は3から7に増やされています。

🚀 クイックスタート

✨ 主な機能

• ロシア語の文章に対するセマンティックテキスト類似度を計算するためのコンパクトな埋め込みベクトルを生成します。
• cointegrated/rubert-tiny2 をベースに構築されており、層の数が増やされています。

📦 インストール

このモデルを使用するには、transformers または sentence_transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers sentencepiece
pip install sentence-transformers

💻 使用例

基本的な使用法

transformers ライブラリを使用した場合のコード例です。

# pip install transformers sentencepiece
import torch
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("sergeyzh/rubert-mini-sts")
model = AutoModel.from_pretrained("sergeyzh/rubert-mini-sts")
# model.cuda()  # uncomment it if you have a GPU

def embed_bert_cls(text, model, tokenizer):
    t = tokenizer(text, padding=True, truncation=True, return_tensors='pt')
    with torch.no_grad():
        model_output = model(**{k: v.to(model.device) for k, v in t.items()})
    embeddings = model_output.last_hidden_state[:, 0, :]
    embeddings = torch.nn.functional.normalize(embeddings)
    return embeddings[0].cpu().numpy()

print(embed_bert_cls('привет мир', model, tokenizer).shape)
# (312,)

高度な使用法

sentence_transformers ライブラリを使用した場合のコード例です。

from sentence_transformers import SentenceTransformer, util

model = SentenceTransformer('sergeyzh/rubert-mini-sts')

sentences = ["привет мир", "hello world", "здравствуй вселенная"]
embeddings = model.encode(sentences)
print(util.dot_score(embeddings, embeddings))

📚 ドキュメント

メトリクス

このモデルの encodechka ベンチマークでの評価結果です。

タスク:

• セマンティックテキスト類似度（STS）
• パラフレーズ識別（PI）
• 自然言語推論（NLI）
• センチメント分析（SA）
• 毒性識別（TI）

パフォーマンスとサイズ

encodechka ベンチマークでのパフォーマンスとモデルのサイズです。

📄 ライセンス

このモデルはMITライセンスの下で公開されています。