Malayalam Sentence Bert Nli

🚀 MalayalamSBERT

このモデルは、NLIデータセットで学習されたMalayalamBERTモデル（l3cube - pune/malayalam - bert）です。
プロジェクトMahaNLPの一部として公開されています: https://github.com/l3cube - pune/MarathiNLP
主要なインド言語をサポートし、クロスリンガル機能を持つこのモデルの多言語バージョンはこちらにあります indic - sentence - bert - nli
このモデルの微調整版である、より良い文の類似性モデルはこちらに公開されています: https://huggingface.co/l3cube - pune/malayalam - sentence - similarity - sbert
データセット、モデル、ベースラインの結果に関する詳細は、当社の論文で確認できます。

@article{deode2023l3cube,
  title={L3Cube-IndicSBERT: A simple approach for learning cross-lingual sentence representations using multilingual BERT},
  author={Deode, Samruddhi and Gadre, Janhavi and Kajale, Aditi and Joshi, Ananya and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2304.11434},
  year={2023}
}

@article{joshi2022l3cubemahasbert,
  title={L3Cube-MahaSBERT and HindSBERT: Sentence BERT Models and Benchmarking BERT Sentence Representations for Hindi and Marathi},
  author={Joshi, Ananya and Kajale, Aditi and Gadre, Janhavi and Deode, Samruddhi and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2211.11187},
  year={2022}
}

単言語インドSBERT論文
多言語インドSBERT論文

✨ 主な機能

他の単言語インド文SBERTモデルは以下の通りです:
マラーティー語SBERT
ヒンディー語SBERT
カンナダ語SBERT
テルグ語SBERT
マラヤーラム語SBERT
タミル語SBERT
グジャラート語SBERT
オリヤー語SBERT
ベンガル語SBERT
パンジャーブ語SBERT
インドSBERT（多言語）

他の単言語類似性モデルは以下の通りです:
マラーティー語類似性
ヒンディー語類似性
カンナダ語類似性
テルグ語類似性
マラヤーラム語類似性
タミル語類似性
グジャラート語類似性
オリヤー語類似性
ベンガル語類似性
パンジャーブ語類似性
インド類似性（多言語）

📦 インストール

このモデルを使用するには、sentence - transformersをインストールする必要があります。

pip install -U sentence-transformers

💻 使用例

基本的な使用法（Sentence - Transformers）

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

高度な使用法（HuggingFace Transformers）

sentence - transformersを使用せずにこのモデルを使用するには、まず入力をトランスフォーマーモデルに渡し、その後、コンテキスト化された単語埋め込みに適切なプーリング操作を適用する必要があります。

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

📄 ライセンス

このモデルはCC - BY - 4.0ライセンスの下で公開されています。