Sbert Chinese General V2

🚀 DMetaSoul/sbert-chinese-general-v2

本模型基於 bert-base-chinese 版本的 BERT 模型，在百萬級語義相似數據集 SimCLUE 上進行訓練。它適用於通用語義匹配場景，在各類任務中展現出了更出色的泛化能力。

注：此模型的輕量化版本也已開源！

🚀 快速開始

✨ 主要特性

• 基於 BERT 模型，在大規模語義相似數據集上訓練。
• 適用於通用語義匹配場景，泛化能力強。
• 提供輕量化版本。

📦 安裝指南

使用 Sentence-Transformers 框架

通過 sentence-transformers 框架來使用該模型，首先進行安裝：

pip install -U sentence-transformers

使用 HuggingFace Transformers

若不想使用 sentence-transformers，也可通過 HuggingFace Transformers 來載入該模型。

💻 使用示例

基礎用法

使用 Sentence-Transformers 框架載入模型並進行文本表徵向量的提取：

from sentence_transformers import SentenceTransformer
sentences = ["我的兒子！他猛然間喊道，我的兒子在哪兒？", "我的兒子呢！他突然喊道，我的兒子在哪裡？"]

model = SentenceTransformer('DMetaSoul/sbert-chinese-general-v2')
embeddings = model.encode(sentences)
print(embeddings)

高級用法

使用 HuggingFace Transformers 載入模型並進行文本向量抽取：

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 = ["我的兒子！他猛然間喊道，我的兒子在哪兒？", "我的兒子呢！他突然喊道，我的兒子在哪裡？"]

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('DMetaSoul/sbert-chinese-general-v2')
model = AutoModel.from_pretrained('DMetaSoul/sbert-chinese-general-v2')

# 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)

📚 詳細文檔

評估結果

該模型在公開的幾個語義匹配數據集上進行了評測，計算了向量相似度跟真實標籤之間的相關性係數：

這裡對比了本模型跟之前發佈的 sbert-chinese-general-v1 之間的差異，可以看到本模型在多個任務上的泛化能力更好。

📄 許可證

文檔未提及許可證信息，故跳過此章節。

🔧 技術細節

文檔未提供具體的技術實現細節，故跳過此章節。

Citing & Authors

E-mail: xiaowenbin@dmetasoul.com