Odia Sentence Similarity Sbert

🚀 OdiaSBERT-STS

このモデルは、STSデータセットで微調整されたOdiaSBERTモデル（l3cube-pune/odia-sentence-bert-nli）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、クロス言語の文章類似度を扱うこのモデルの多言語バージョンは、こちら indic-sentence-similarity-sbert で公開されています。

データセット、モデル、ベースライン結果の詳細については、当社の論文を参照してください。

@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}
}

単言語のインドSBERT論文
多言語のインドSBERT論文

✨ 主な機能

• オリヤ語の文章類似度を計算するためのモデルです。
• 多言語バージョンも用意されており、主要なインド言語の文章類似度を扱うことができます。

📦 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Transformerモデルに通し、その後、文脈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。

関連リンク

他の単言語の文章類似度モデル

• マラーティー語の文章類似度モデル
• ヒンディー語の文章類似度モデル
• カンナダ語の文章類似度モデル
• テルグ語の文章類似度モデル
• マラヤーラム語の文章類似度モデル
• タミル語の文章類似度モデル
• グジャラート語の文章類似度モデル
• オリヤ語の文章類似度モデル
• ベンガル語の文章類似度モデル
• パンジャーブ語の文章類似度モデル
• インド言語の文章類似度モデル（多言語）

他の単言語のインド文章BERTモデル

• マラーティー語のSBERTモデル
• ヒンディー語のSBERTモデル
• カンナダ語のSBERTモデル
• テルグ語のSBERTモデル
• マラヤーラム語のSBERTモデル
• タミル語のSBERTモデル
• グジャラート語のSBERTモデル
• オリヤ語のSBERTモデル
• ベンガル語のSBERTモデル
• パンジャーブ語のSBERTモデル
• インド言語のSBERTモデル（多言語）