Robbert 2022 Dutch Sentence Transformers Onnx

🚀 robbert-2022-dutch-sentence-transformers - Onnx

このモデルは、オランダ語の文章を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。Onnx形式に変換されており、transformers.jsを使用して変換されています。

🚀 クイックスタート

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

その後、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('NetherlandsForensicInstitute/robbert-2022-dutch-sentence-transformers')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主な機能

• オランダ語の文章を768次元の密ベクトル空間にマッピングします。
• 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。
• Onnx形式に変換されており、高速な推論が可能です。

📦 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

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('NetherlandsForensicInstitute/robbert-2022-dutch-sentence-transformers')
embeddings = model.encode(sentences)
print(embeddings)

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 = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('NetherlandsForensicInstitute/robbert-2022-dutch-sentence-transformers}')
model = AutoModel.from_pretrained('NetherlandsForensicInstitute/robbert-2022-dutch-sentence-transformers')

# 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

モデルの説明

このOnnxモデルは、robbert-2022-dutch-sentence-transformersをtransformers.jsを使用して変換したものです。

元のモデルカード

このモデルは、sentence-transformersモデルです。文章や段落を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。

このモデルは、KU Leuven's RobBERT modelをベースにしています。Paraphrase datasetでファインチューニングされており、このデータセットは機械翻訳によってオランダ語に翻訳されています。Paraphrase datasetは、似た文章のペアから構成される複数のデータセットで構成されています。

トレーニング

このモデルは以下のパラメータでトレーニングされました。

DataLoader:

MultiDatasetDataLoader.MultiDatasetDataLoader 長さ414262、パラメータ:

{'batch_size': 1}

Loss:

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss パラメータ:

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

fit()メソッドのパラメータ:

{
    "epochs": 1,
    "evaluation_steps": 50000,
    "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 500,
    "weight_decay": 0.01
}

全モデルアーキテクチャ

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (1): Pooling({'word_embedding_dimension': 768, '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

パイプラインタグ

• sentence-similarity

タグ

• sentence-transformers
• feature_extraction
• sentence-similarity
• transformers.js
• onnx

データセット

• NetherlandsForensicInstitute/AllNLI-translated-nl
• NetherlandsForensicInstitute/altlex-translated-nl
• NetherlandsForensicInstitute/coco-captions-translated-nl
• NetherlandsForensicInstitute/flickr30k-captions-translated-nl
• NetherlandsForensicInstitute/msmarco-translated-nl
• NetherlandsForensicInstitute/quora-duplicates-translated-nl
• NetherlandsForensicInstitute/sentence-compression-translated-nl
• NetherlandsForensicInstitute/simplewiki-translated-nl
• NetherlandsForensicInstitute/stackexchange-duplicate-questions-translated-nl
• NetherlandsForensicInstitute/wiki-atomic-edits-translated-nl

言語

• nl

ウィジェット

• 例のタイトル: Nederlands
  • ソース文章: Deze week ga ik naar de kapper
  • 比較文章:
    • Ik ga binnenkort mijn haren laten knippen
    • Morgen wil ik uitslapen
    • Gisteren ging ik naar de bioscoop

モデル作成者

Netherlands Forensic Institute

元のモデル

robbert-2022-dutch-sentence-transformers