Sbert Chinese Qmc Domain V1

🚀 DMetaSoul/sbert-chinese-qmc-domain-v1

このモデルは bert-base-chinese バージョンのBERTモデルに基づいており、百度知道の質問マッチングデータセット（LCQMC）で訓練とチューニングが行われています。オープンドメインの質問マッチングシーンに適しており、例えば以下のような場面があります。

• 入浴にはどんな石鹸が良いですか？ vs. 入浴にはどんな石鹸が良いですか
• 大連ではどこで結婚写真を撮るのが良いですか？ vs. 大連ではどこで結婚写真を撮るのが比較的良いですか
• 銀行カードはどうやって紛失届を出せばいいですか？ vs. 銀行カードを紛失したらどうやって紛失届を出せばいいですか？

注：このモデルの軽量化バージョンもすでにオープンソース化されています！

🚀 クイックスタート

📦 インストール

1. Sentence-Transformersを使用する場合

sentence-transformers フレームワークを通じてこのモデルを使用するには、まず以下のコマンドでインストールします。

pip install -U sentence-transformers

2. HuggingFace Transformersを使用する場合

sentence-transformers を使用したくない場合は、HuggingFace Transformersを通じてこのモデルを読み込み、テキストベクトルを抽出することができます。

💻 使用例

1. Sentence-Transformersによる基本的な使用法

from sentence_transformers import SentenceTransformer
sentences = ["我的儿子！他猛然间喊道，我的儿子在哪儿？", "我的儿子呢！他突然喊道，我的儿子在哪里？"]

model = SentenceTransformer('DMetaSoul/sbert-chinese-qmc-domain-v1')
embeddings = model.encode(sentences)
print(embeddings)

2. HuggingFace Transformersによる高度な使用法

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 = ["我的儿子！他猛然间喊道，我的儿子在哪儿？", "我的儿子呢！他突然喊道，我的儿子在哪里？"]

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('DMetaSoul/sbert-chinese-qmc-domain-v1')
model = AutoModel.from_pretrained('DMetaSoul/sbert-chinese-qmc-domain-v1')

# 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

評価

このモデルはいくつかの公開された意味マッチングデータセットで評価され、ベクトル類似度と真のラベルの間の相関係数が計算されました。

引用と著者

E-mail: xiaowenbin@dmetasoul.com