Sbert Large Mt Nlu Ru

🚀 BERT大模型多任务（大小写敏感）俄语句子嵌入模型

该模型用于生成俄语句子的嵌入向量，能有效处理俄语句子的语义表示。它在相关文章中被详细描述，并且在俄语SuperGLUE任务上有具体的评估指标。

🚀 快速开始

本模型可直接从模型仓库中使用，用于计算句子嵌入向量。

💻 使用示例

基础用法

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'])

📚 详细文档

• 模型描述：该模型的详细信息可查看 此文章。
• 评估指标：俄语SuperGLUE 指标。

📄 许可证

本模型采用MIT许可证。

👥 作者

• SberDevices 团队。
• 亚历山大·阿布拉莫夫（Aleksandr Abramov）：HF个人资料，Github，Kaggle竞赛大师；
• 丹尼斯·安蒂霍夫（Denis Antykhov）：Github；

💡 使用建议

为了获得更好的效果，建议使用平均词元嵌入。