Anita

🚀 イタリア語質問応答用センテンストランスフォーマーモデル

このモデルは、イタリア語の質問応答（Q&A）タスクに特化して設計されています。イタリア語のクエリを理解し、回答を見つけるための最も関連性の高いコンテキストを特定するアプリケーションに最適です。適用例には、カスタマーサポートの自動化、教育ツール、情報検索システムなどが含まれます。

🚀 クイックスタート

このモデルを使用することで、イタリア語の質問に対する回答のコンテキストを特定できます。以下のセクションでは、モデルの使用方法や詳細な情報を説明します。

✨ 主な機能

• イタリア語の質問応答タスクに特化したモデルです。
• センテンスを高次元空間にマッピングすることで、回答を含む最も可能性の高いコンテキストを予測します。
• イタリア語のニュアンスに合わせて最適化されたトランスフォーマーベースのアーキテクチャを使用しています。

📦 インストール

SentenceTransformerを使用する場合

pip install -U sentence-transformers

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModel
import torch
from sklearn.metrics.pairwise import cosine_similarity
from sklearn.preprocessing import normalize

# Load model and tokenizer
model_name = "DeepMount00/Anita"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)

# Prepare sentences
sentences = [
    "Cosa faceva ogni sera Luca?",
    "Un cane felice corre nel parco, la coda ondeggiante al vento. Ogni erba, ogni farfalla, un'avventura. Occhi scintillanti, lingua penzolante, esplora gioiosamente, amato e coccolato dal suo fedele compagno umano. Insieme, condividono un legame indissolubile, tessuto di corse, giochi e affetto incondizionato.",
    "In un piccolo paesino circondato da colline verdeggianti e campi fioriti viveva una persona il cui sorriso era capace di illuminare la giornata più grigia. Questa persona, di nome Luca, aveva trovato la chiave della felicità nelle piccole gioie quotidiane: il profumo del caffè al mattino, il suono ridente dei bambini che giocavano in piazza, il tramonto che dipingeva il cielo di arancione e viola ogni sera."
]

# Tokenize, encode, and compute embeddings
embeddings = []
with torch.no_grad():
    for sentence in sentences:
        encoded_input = tokenizer(sentence, return_tensors='pt', padding=True, truncation=True, max_length=512)
        embedding = model(**encoded_input).pooler_output
        embeddings.append(embedding)

# Convert embeddings to numpy and normalize
embeddings = torch.cat(embeddings, dim=0).numpy()

# Calculate cosine similarity
similarity_matrix = cosine_similarity(embeddings)

# Print similarity scores
print("Similarità tra la sentenza 1 e 2:", similarity_matrix[0, 1])
print("Similarità tra la sentenza 1 e 3:", similarity_matrix[0, 2])
print("Similarità tra la sentenza 2 e 3:", similarity_matrix[1, 2])

高度な使用法

from sentence_transformers import SentenceTransformer
sentences = ["Oggi sono andato al mare", "La torre di Pisa si trova in Toscana"]

model = SentenceTransformer('DeepMount00/Anita')
embeddings = model.encode(sentences)
print(embeddings)

📚 ドキュメント

モデルの概要

イタリア語Q&Aセンテンストランスフォーマーは、イタリア語のテキストを理解して分析するように訓練されています。質問が与えられると、モデルはセンテンスを高次元空間にマッピングすることで、回答を含む最も可能性の高いコンテキストを予測します。モデルは、イタリア語のニュアンスに合わせて最適化されたトランスフォーマーベースのアーキテクチャを使用しています。

バージョン情報

• バージョン: 2
• リリース日: 2024年4月23日

想定使用方法

このモデルは、イタリア語の質問応答（Q&A）タスクに特化して設計されています。イタリア語のクエリを理解し、回答を見つけるための最も関連性の高いコンテキストを特定するアプリケーションに最適です。適用例には、カスタマーサポートの自動化、教育ツール、情報検索システムなどが含まれます。

📄 ライセンス

このモデルは、Apache 2.0ライセンスの下で提供されています。