Sbert Large Nlu Ru

🚀 ロシア語用の文埋め込み用BERT largeモデル（uncased）

このモデルは、ロシア語の文埋め込みに特化しており、この記事 で詳細に説明されています。より良い品質を得るために、平均トークン埋め込みを使用することをおすすめします。

🚀 クイックスタート

💻 使用例

基本的な使用法

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()
    sum_embeddings = torch.sum(token_embeddings * input_mask_expanded, 1)
    sum_mask = torch.clamp(input_mask_expanded.sum(1), min=1e-9)
    return sum_embeddings / sum_mask

#Sentences we want sentence embeddings for
sentences = ['Привет! Как твои дела?',
             'А правда, что 42 твое любимое число?']

#Load AutoModel from huggingface model repository
tokenizer = AutoTokenizer.from_pretrained("ai-forever/sbert_large_nlu_ru")
model = AutoModel.from_pretrained("ai-forever/sbert_large_nlu_ru")

#Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, max_length=24, 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'])

📄 ライセンス

このモデルはMITライセンスの下で提供されています。

👥 作者

• SberDevices チーム。
• アレクサンドル・アブラモフ: HFプロフィール、Github、Kaggle Competitions Master
• デニス・アンティホフ: Github
• イブラギム・バデルティノフ: Github