🚀 charlesdedampierre/bunka-embedding
這是一個 sentence-transformers 模型,它可以將句子和段落映射到一個 768 維的密集向量空間,可用於聚類或語義搜索等任務。
🚀 快速開始
本模型可用於句子相似度計算,能將文本轉換為向量,在聚類、語義搜索等場景發揮作用。
✨ 主要特性
📦 安裝指南
在 Bunkatopics 中使用
你可以按照以下步驟在 BunkaTopics 包中使用此大語言模型:
pip install bunkatopics
使用 Sentence-Transformers
如果你已經安裝了 sentence-transformers,使用此模型會很簡單:
pip install -U sentence-transformers
💻 使用示例
在 Bunkatopics 中使用
from bunkatopics import Bunka
import random
from datasets import load_dataset
dataset = load_dataset("rguo123/trump_tweets")['train']['content']
full_docs = random.sample(dataset, 10000)
from langchain.embeddings import HuggingFaceEmbeddings
embedding_model = HuggingFaceEmbeddings(model_name="charlesdedampierre/bunka-embedding")
bunka = Bunka(model_hf=embedding_model)
bunka.fit(full_docs)
df_topics = bunka.get_topics(n_clusters = 20)
使用 Sentence-Transformers
from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]
model = SentenceTransformer('charlesdedampierre/bunka-embedding')
embeddings = model.encode(sentences)
print(embeddings)
使用 HuggingFace Transformers
from transformers import AutoTokenizer, AutoModel
import torch
def mean_pooling(model_output, attention_mask):
token_embeddings = model_output[0]
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 = ['This is an example sentence', 'Each sentence is converted']
tokenizer = AutoTokenizer.from_pretrained('charlesdedampierre/bunka-llms')
model = AutoModel.from_pretrained('charlesdedampierre/bunka-llms')
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
with torch.no_grad():
model_output = model(**encoded_input)
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("Sentence embeddings:")
print(sentence_embeddings)
📚 詳細文檔
評估結果
有關此模型的自動評估,請參閱 Sentence Embeddings Benchmark:https://seb.sbert.net
完整模型架構
SentenceTransformer(
(0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: RobertaModel
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)
📄 許可證
本項目採用 MIT 許可證。