Tamil Sentence Bert Nli

🚀 TamilSBERT

このモデルは、NLIデータセットで学習されたTamilBERTモデル（l3cube - pune/tamil - 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公開されています indic - sentence - bert - nli

より良い文の類似性モデル（このモデルのファインチューニング版）はこちらに公開されています: https://huggingface.co/l3cube - pune/tamil - sentence - similarity - sbert

データセット、モデル、および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。

🚀 クイックスタート

このモデルは、文の類似性を計算するために使用できます。以下に、使用方法の例を示します。

✨ 主な機能

• NLIデータセットで学習されたTamilBERTモデルです。
• 多言語版のモデルも提供されており、主要なインド言語をサポートし、クロスリンガル機能を備えています。
• より良い文の類似性モデルのファインチューニング版も公開されています。

📦 インストール

sentence - transformersをインストールすると、このモデルの使用が簡単になります。

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)

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)

📚 ドキュメント

関連リンク

• モデルの多言語版: indic - sentence - bert - nli
• より良い文の類似性モデル: https://huggingface.co/l3cube - pune/tamil - sentence - similarity - sbert
• 論文: L3Cube - IndicSBERT: A simple approach for learning cross - lingual sentence representations using multilingual BERT

その他の単言語インド語のSentence BERTモデル

• Marathi SBERT
• Hindi SBERT
• Kannada SBERT
• Telugu SBERT
• Malayalam SBERT
• Tamil SBERT
• Gujarati SBERT
• Oriya SBERT
• Bengali SBERT
• Punjabi SBERT
• Indic SBERT (multilingual)

その他の単言語の類似性モデル

• Marathi Similarity
• Hindi Similarity
• Kannada Similarity
• Telugu Similarity
• Malayalam Similarity
• Tamil Similarity
• Gujarati Similarity
• Oriya Similarity
• Bengali Similarity
• Punjabi Similarity
• Indic Similarity (multilingual)

📄 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。

BibTeX引用

@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}
}