SBERT Large Nli V2

🚀 SBERT-large-nli-v2

このモデルは文の類似度を計算するためのもので、Sentence Transformersをベースに構築されています。特徴抽出や文の類似度計算に利用できます。

🚀 クイックスタート

利用方法

使用方法については、以下のコードベースを参照してください。 https://github.com/Muennighoff/sgpt

評価結果

評価結果については、以下の論文を参照してください。 https://arxiv.org/abs/2202.08904

📦 インストール

このセクションではインストール手順に関する具体的なコマンドが提供されていないため、スキップします。

💻 使用例

このセクションでは使用例に関する具体的なコードが提供されていないため、スキップします。

📚 ドキュメント

学習

このモデルは以下のパラメータで学習されました。

DataLoader: sentence_transformers.datasets.NoDuplicatesDataLoader.NoDuplicatesDataLoader の長さは93941で、以下のパラメータが使用されました。

{'batch_size': 6}

損失関数: sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss が使用され、以下のパラメータが設定されました。

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

fit() メソッドのパラメータ:

{
    "epochs": 1,
    "evaluation_steps": 9394,
    "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'transformers.optimization.AdamW'>",
    "optimizer_params": {
        "lr": 1e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 9395,
    "weight_decay": 0.01
}

完全なモデルアーキテクチャ

SentenceTransformer(
  (0): Transformer({'max_seq_length': 75, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

🔧 技術詳細

このセクションでは具体的な技術説明が提供されていないため、スキップします。

📄 ライセンス

このセクションではライセンス情報が提供されていないため、スキップします。

引用と著者

@article{muennighoff2022sgpt,
  title={SGPT: GPT Sentence Embeddings for Semantic Search},
  author={Muennighoff, Niklas},
  journal={arXiv preprint arXiv:2202.08904},
  year={2022}
}