Sup Simcse Ja Large

🚀 sup - simcse - ja - large

sup - simcse - ja - large 是一個用於句子特徵提取和相似度計算的模型，基於預訓練的日語BERT模型進行微調，能有效處理日語句子，為自然語言處理任務提供支持。

🚀 快速開始

本模型可以通過 sentence - transformers 庫或 HuggingFace Transformers 庫使用，下面為你詳細介紹使用方法。

📦 安裝指南

若要使用 sentence - transformers 庫調用本模型，需先安裝相關依賴：

pip install -U fugashi[unidic-lite] sentence-transformers

💻 使用示例

基礎用法（Sentence - Transformers）

安裝好依賴後，你可以按照以下代碼示例使用模型：

from sentence_transformers import SentenceTransformer
sentences = ["こんにちは、世界！", "文埋め込み最高！文埋め込み最高と叫びなさい", "極度乾燥しなさい"]

model = SentenceTransformer("cl-nagoya/sup-simcse-ja-large")
embeddings = model.encode(sentences)
print(embeddings)

高級用法（HuggingFace Transformers）

若不使用 sentence - transformers 庫，你可以直接使用 HuggingFace Transformers 庫調用模型。需要先將輸入通過變壓器模型，然後對上下文詞嵌入應用正確的池化操作：

from transformers import AutoTokenizer, AutoModel
import torch


def cls_pooling(model_output, attention_mask):
    return model_output[0][:,0]


# 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("cl-nagoya/sup-simcse-ja-large")
model = AutoModel.from_pretrained("cl-nagoya/sup-simcse-ja-large")

# 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, cls pooling.
sentence_embeddings = cls_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

📚 詳細文檔

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

模型概述

更多詳細的實驗設置請參考 [GitHub倉庫](https://github.com/hppRC/simple - simcse - ja)。

引用與作者

@misc{
  hayato-tsukagoshi-2023-simple-simcse-ja,
  author = {Hayato Tsukagoshi},
  title = {Japanese Simple-SimCSE},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/hppRC/simple-simcse-ja}}
}

📄 許可證

本模型採用 CC - BY - SA 4.0 許可證。