Marathi Sentence Bert Nli

🚀 MahaSBERT

MahaSBERTは、NLIデータセットで学習されたMahaBERTモデル（l3cube - pune/marathi - bert - v2）です。
これは、MahaNLPプロジェクトの一部として公開されています: https://github.com/l3cube - pune/MarathiNLP
主要なインド諸言語をサポートし、クロス言語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/marathi - 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] (https://arxiv.org/abs/2211.11187) で確認できます。

@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

他の単言語インド文BERTモデルは以下の通りです:
マラーティ語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
パンジャブ語SBERT
インド語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
パンジャブ語類似性
インド語類似性（多言語）

これはsentence - transformersモデルです。文や段落を768次元の密ベクトル空間にマッピングし、クラスタリングや意味検索などのタスクに使用できます。

🚀 クイックスタート

このモデルは、文や段落を768次元の密ベクトル空間にマッピングし、クラスタリングや意味検索などのタスクに使用できます。以下に、このモデルの使用方法を紹介します。

✨ 主な機能

• NLIデータセットで学習されたMahaBERTモデル。
• 文や段落を768次元の密ベクトル空間にマッピング。
• クラスタリングや意味検索などのタスクに使用可能。
• 多言語バージョンも提供されている。

📦 インストール

sentence - transformersをインストールすることで、このモデルを簡単に使用できます。

pip install -U sentence-transformers

💻 使用例

基本的な使用法

sentence - transformersをインストールした後、以下のようにモデルを使用できます。

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

sentence - transformersを使用せずに、このモデルを使用する場合は、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の上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


def cls_pooling(model_output, attention_mask):
    return model_output[0][:,0]


# 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, cls pooling.
sentence_embeddings = cls_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。