Punjabi Sentence Bert Nli

🚀 旁遮普语SBERT（PunjabiSBERT）

旁遮普语SBERT是在自然语言推理（NLI）数据集上训练的旁遮普语BERT模型（l3cube - pune/punjabi - bert）。它是MahaNLP项目的一部分，项目链接：https://github.com/l3cube - pune/MarathiNLP 。此外，还提供了支持主要印度语言和跨语言能力的多语言版本模型，链接为 indic - sentence - bert - nli 。同时，还有一个更好的句子相似度模型（此模型的微调版本），链接为：https://huggingface.co/l3cube - pune/punjabi - sentence - similarity - sbert 。

🚀 快速开始

示例展示

以下是模型的使用示例：

pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- feature-extraction
- sentence-similarity
- transformers
license: cc-by-4.0
language: pa
widget:
- source_sentence: "ਪੇਂਟਿੰਗ ਮੇਰਾ ਸ਼ੌਕ ਹੈ"
  sentences:
    - "ਨੱਚਣਾ ਮੇਰਾ ਸ਼ੌਕ ਹੈ" 
    - "ਮੇਰੇ ਬਹੁਤ ਸਾਰੇ ਸ਼ੌਕ ਹਨ"
    - "ਮੈਨੂੰ ਪੇਂਟਿੰਗ ਅਤੇ ਡਾਂਸ ਦੋਵਾਂ ਦਾ ਆਨੰਦ ਆਉਂਦਾ ਹੈ"
  example_title: "示例 1"

- source_sentence: "ਕੁਝ ਲੋਕ ਗਾ ਰਹੇ ਹਨ"
  sentences:
    - "ਲੋਕਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਗਾ ਰਿਹਾ ਹੈ"
    - "ਇੱਕ ਬਿੱਲੀ ਦੁੱਧ ਪੀ ਰਹੀ ਹੈ"
    - "ਦੋ ਆਦਮੀ ਲੜ ਰਹੇ ਹਨ"
  example_title: "示例 2"

- source_sentence: "ਮੇਰੇ ਘਰ ਵਿੱਚ ਤੁਹਾਡਾ ਸੁਆਗਤ ਹੈ"
  sentences:
    - "ਮੈਂ ਤੁਹਾਡੇ ਘਰ ਵਿੱਚ ਤੁਹਾਡਾ ਸੁਆਗਤ ਕਰਾਂਗਾ "
    - "ਮੇਰਾ ਘਰ ਕਾਫੀ ਵੱਡਾ ਹੈ"
    - "ਅੱਜ ਮੇਰੇ ਘਰ ਵਿੱਚ ਰਹੋ"
  example_title: "示例 3"

✨ 主要特性

• 基于旁遮普语BERT模型（l3cube - pune/punjabi - bert）训练，适用于旁遮普语句子相似度任务。
• 作为MahaNLP项目的一部分，具有良好的扩展性和可维护性。
• 提供多语言版本和微调版本，满足不同场景需求。

📦 安装指南

若要使用此模型，需要安装 sentence - transformers：

pip install -U sentence-transformers

💻 使用示例

基础用法（使用sentence - transformers库）

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

model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

高级用法（不使用sentence - transformers库，使用HuggingFace Transformers）

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('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

# 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)

📚 详细文档

更多关于数据集、模型和基线结果的详细信息，请参考我们的 论文 。 以下是论文的引用信息：

@article{deode2023l3cube,
  title={L3Cube-IndicSBERT: A simple approach for learning cross-lingual sentence representations using multilingual BERT},
  author={Deode, Samruddhi and Gadre, Janhavi and Kajale, Aditi and Joshi, Ananya and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2304.11434},
  year={2023}
}

@article{joshi2022l3cubemahasbert,
  title={L3Cube-MahaSBERT and HindSBERT: Sentence BERT Models and Benchmarking BERT Sentence Representations for Hindi and Marathi},
  author={Joshi, Ananya and Kajale, Aditi and Gadre, Janhavi and Deode, Samruddhi and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2211.11187},
  year={2022}
}

相关论文链接：

• 单语印度SBERT论文
• 多语言印度SBERT论文

🔗 相关模型链接

单语印度句子BERT模型

• 马拉地语SBERT（Marathi SBERT）
• 印地语SBERT（Hindi SBERT）
• 卡纳达语SBERT（Kannada SBERT）
• 泰卢固语SBERT（Telugu SBERT）
• 马拉雅拉姆语SBERT（Malayalam SBERT）
• 泰米尔语SBERT（Tamil SBERT）
• 古吉拉特语SBERT（Gujarati SBERT）
• 奥里亚语SBERT（Oriya SBERT）
• 孟加拉语SBERT（Bengali SBERT）
• 旁遮普语SBERT（Punjabi SBERT）
• 印度语SBERT（多语言）（Indic SBERT (multilingual)）

单语相似度模型

• 马拉地语相似度模型（Marathi Similarity）
• 印地语相似度模型（Hindi Similarity）
• 卡纳达语相似度模型（Kannada Similarity）
• 泰卢固语相似度模型（Telugu Similarity）
• 马拉雅拉姆语相似度模型（Malayalam Similarity）
• 泰米尔语相似度模型（Tamil Similarity）
• 古吉拉特语相似度模型（Gujarati Similarity）
• 奥里亚语相似度模型（Oriya Similarity）
• 孟加拉语相似度模型（Bengali Similarity）
• 旁遮普语相似度模型（Punjabi Similarity）
• 印度语相似度模型（多语言）（Indic Similarity (multilingual)）

📄 许可证

本模型使用的许可证为 cc - by - 4.0。