Econo Sentence V1

🚀 經濟句子模型（econosentence）

這是一個 sentence-transformers 模型，它能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。

經濟句子模型（Econosentence）可用於應用於經濟學的各種自然語言處理任務，主要用途是將嵌入向量用於主題建模。

該模型使用的編碼器骨幹是 samchain/EconoBert 模型，它在 samchain/BIS_Speeches_97_23 數據集上通過掩碼語言模型（MLM）和下一句預測（NSP）任務進行了預訓練。

🚀 快速開始

✨ 主要特性

• 可將句子和段落映射到 768 維的密集向量空間。
• 適用於聚類、語義搜索等任務。
• 可用於經濟學相關的自然語言處理任務，如主題建模。

📦 安裝指南

若要使用此模型，需安裝 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基礎用法（Sentence-Transformers）

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('econo-sentence')
embeddings = model.encode(sentences)
print(embeddings)

高級用法（HuggingFace Transformers）

若未安裝 sentence-transformers，可按以下方式使用模型：首先將輸入傳遞給 Transformer 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


#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 = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('econo-sentence')
model = AutoModel.from_pretrained('econo-sentence')

# 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

訓練測試的皮爾遜相關係數為 0.83。 若要對該模型進行自動評估，請參閱 Sentence Embeddings Benchmark：https://seb.sbert.net

訓練信息

該模型使用以下參數進行訓練：

• 數據加載器（DataLoader）： torch.utils.data.dataloader.DataLoader，長度為 2237，參數如下：

  {'batch_size': 32, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}
  

• 損失函數（Loss）： sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss
• fit() 方法的參數：

  {
      "epochs": 2,
      "evaluation_steps": 0,
      "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
      "max_grad_norm": 1,
      "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
      "optimizer_params": {
          "lr": 2e-05
      },
      "scheduler": "WarmupLinear",
      "steps_per_epoch": null,
      "warmup_steps": 100,
      "weight_decay": 0.01
  }
  

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: BertModel 
  (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

本模型採用 Apache 2.0 許可證。

🔧 技術細節

• 模型類型：sentence-transformers 模型
• 訓練數據：samchain/econo-pairs
• 評估指標：皮爾遜相關係數（pearsonr）

引用與作者

作者：Samuel Chaineau