Ag Nli DeTS Sentence Similarity V1

🚀 文章類似度のためのクロスエンコーダ

このモデルは、SentenceTransformers の Cross-Encoder クラスを使用して学習されました。

🚀 クイックスタート

このモデルは、6つの異なるNLIデータセットで学習されています。このモデルは、2つの文章の意味的な類似度について、0（類似していない）から1（非常に類似している）までのスコアを予測します。

✨ 主な機能

• 文章の類似度を0から1のスコアで予測します。
• 複数の言語（英語、オランダ語、ドイツ語、フランス語、イタリア語、スペイン語）に対応しています。

📦 インストール

本READMEには具体的なインストール手順が記載されていないため、このセクションは省略されます。

💻 使用例

基本的な使用法

from sentence_transformers import CrossEncoder

model = CrossEncoder('abbasgolestani/ag-nli-DeTS-sentence-similarity-v1')

# Two lists of sentences
sentences1 = ['I am honored to be given the opportunity to help make our company better',
             'I love my job and what I do here',
             'I am excited about our company’s vision']

sentences2 = ['I am hopeful about the future of our company',
              'My work is aligning with my passion',
              'Definitely our company vision will be the next breakthrough to change the world and I’m so happy and proud to work here']

pairs = zip(sentences1,sentences2)
list_pairs=list(pairs)

scores1 = model.predict(list_pairs, show_progress_bar=False)
print(scores1)

for i in range(len(sentences1)):
    print("{} \t\t {} \t\t Score: {:.4f}".format(sentences1[i], sentences2[i], scores1[i]))

高度な使用法

from sentence_transformers import CrossEncoder
model = CrossEncoder('abbasgolestani/ag-nli-DeTS-sentence-similarity-v1')
scores = model.predict([('Sentence 1', 'Sentence 2'), ('Sentence 3', 'Sentence 4')])

このコードでは、モデルはペア ('Sentence 1', 'Sentence 2') と ('Sentence 3', 'Sentence 4') のスコアを予測します。また、sentence_transformers を使用せずに、Transformers の AutoModel クラスを使用してこのモデルを利用することもできます。

📚 ドキュメント

学習データ

このモデルは、6つの異なるNLIデータセットで学習されています。

データセット一覧

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。