Sbert Large Mt Nlu Ru

🚀 BERT大規模マルチタスクモデル（cased）：ロシア語の文埋め込み用

このモデルはロシア語の文埋め込みに特化したBERT大規模マルチタスク（cased）モデルです。この記事で詳細に説明されています。また、ロシア語のSuperGLUEのメトリクスも参照できます。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_mt_nlu_ru")
model = AutoModel.from_pretrained("ai-forever/sbert_large_mt_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。

👥 作成者

• SberDevices チーム
• Aleksandr Abramov: HFプロフィール, Github, Kaggle Competitions Master
• Denis Antykhov: Github