Hecross

🚀 希伯来语交叉编码器模型

本模型可用于零样本分类任务，为希伯来语相关的文本处理提供了有效的解决方案，能帮助用户快速对文本进行分类和相关性判断。

🚀 快速开始

安装

本模型可通过sentence_transformers或transformers库进行使用，确保你已经安装了这些库：

pip install sentence-transformers transformers

✨ 主要特性

• 多库支持：既可以使用sentence_transformers库调用，也能直接通过transformers库使用。
• 零样本分类：支持零样本分类任务，无需大量标注数据即可对文本进行分类。

📦 安装指南

使用pip安装所需的库：

pip install sentence-transformers transformers

💻 使用示例

基础用法

from sentence_transformers import CrossEncoder
model = CrossEncoder('HeTree/HeCross')

# Scores (already after sigmoid)
scores = model.predict([('כמה אנשים חיים בברלין?', 'ברלין מונה 3,520,031 תושבים רשומים בשטח של 891.82 קמ"ר.'), 
                        ('כמה אנשים חיים בברלין?', 'העיר ניו יורק מפורסמת בזכות מוזיאון המטרופוליטן לאומנות.')])
print(scores)

高级用法

使用transformers库的AutoModel直接调用模型：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
import numpy as np

# Function that applies sigmoid to a score
def sigmoid(x):
    return 1 / (1 + np.exp(-x))

model = AutoModelForSequenceClassification.from_pretrained('HeTree/HeCross')
tokenizer = AutoTokenizer.from_pretrained('HeTree/HeCross')
features = tokenizer(['כמה אנשים חיים בברלין?', 'כמה אנשים חיים בברלין?'],
                     ['ברלין מונה 3,520,031 תושבים רשומים בשטח של 891.82 קמ"ר.', 'העיר ניו יורק מפורסמת בזכות מוזיאון המטרופוליטן לאומנות.'],
                     padding=True, truncation=True, return_tensors="pt")
model.eval()
with torch.no_grad():
    scores = sigmoid(model(**features).logits)
    print(scores)

零样本分类用法

from transformers import pipeline
classifier = pipeline("zero-shot-classification", model='HeTree/HeCross')
sent = "בשבוע שעבר שדרגתי את גרסת  הטלפון שלי ."
candidate_labels = ["נייד לשיחות", "אתר", "חיוב חשבון", "גישה לחשבון בנק"]
res = classifier(sent, candidate_labels)
print(res)

📚 详细文档

模型信息

引用

如果你在研究中使用了HeCross模型，请引用 Mevaker: Conclusion Extraction and Allocation Resources for the Hebrew Language。

@article{shalumov2024mevaker,
      title={Mevaker: Conclusion Extraction and Allocation Resources for the Hebrew Language}, 
      author={Vitaly Shalumov and Harel Haskey and Yuval Solaz},
      year={2024},
      eprint={2403.09719},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

📄 许可证

本模型采用Apache-2.0许可证。