Negmpnet
NegMPNet是基於all-mpnet-base-v2的否定感知版本,能夠將句子和段落映射到768維的密集向量空間,特別擅長處理否定語義。
下載量 31
發布時間 : 7/14/2023
模型概述
這是一個sentence-transformers模型,專門針對否定語義進行了優化,可用於句子相似度計算、語義搜索等任務。
模型特點
否定感知
相比基礎模型,對否定語義更加敏感,能更好地區分肯定和否定句子。
高維向量表示
能將句子和段落映射到768維的密集向量空間。
句子相似度計算
特別優化了句子相似度計算任務,尤其是包含否定語義的句子。
模型能力
句子嵌入
語義相似度計算
特徵提取
否定語義識別
使用案例
文本處理
語義搜索
可用於構建語義搜索引擎,特別是需要區分肯定和否定語義的場景。
能更準確地區分包含否定詞的查詢和文檔。
文本聚類
對文本進行聚類分析,特別是需要區分肯定和否定表達的文本。
能更好地區分表達相反意思的文本。
🚀 NegMPNet
NegMPNet 是 all-mpnet-base-v2 的一個具備否定感知能力的版本。它是一個 sentence-transformers 模型,能夠將句子和段落映射到 768 維的密集向量空間,可用於聚類或語義搜索等任務。如需瞭解更多信息,請參閱我們的論文 This is not correct! Negation-aware Evaluation of Language Generation Systems。
🚀 快速開始
本部分將指導你如何快速使用 NegMPNet 模型。
✨ 主要特性
- 否定感知能力:相較於基礎模型,該模型對否定詞有更好的敏感度。
- 向量映射功能:可將句子和段落映射到 768 維的密集向量空間。
- 多用途:適用於聚類、語義搜索等任務。
📦 安裝指南
若要使用此模型,你需要安裝 sentence-transformers,可使用以下命令進行安裝:
pip install -U sentence-transformers
💻 使用示例
基礎用法
使用 sentence-transformers
庫調用模型的基礎示例:
from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]
model = SentenceTransformer("tum-nlp/NegMPNet")
embeddings = model.encode(sentences)
print(embeddings)
高級用法
否定感知能力驗證
此示例展示了該模型相較於基礎模型在否定感知方面的優勢:
from sentence_transformers import SentenceTransformer, util
import torch
base_model = SentenceTransformer("sentence-transformers/all-mpnet-base-v2")
finetuned_model = SentenceTransformer("tum-nlp/NegMPNet")
def cos_similarities(references: list, candidates: list, model: SentenceTransformer, batch_size=8) -> torch.Tensor:
assert len(references) == len(candidates), "Number of references and candidates must be equal"
emb_ref = model.encode(references, batch_size=batch_size)
emb_cand = model.encode(candidates, batch_size=batch_size)
return torch.diag(util.cos_sim(emb_ref, emb_cand))
references = ["Ray charles is legendary.", "Ray charles is legendary"]
candidates = ["Ray charles is a legend.", "Ray charles isn't legendary."]
print(cos_similarities(references, candidates, base_model)) # prints tensor([0.9453, 0.8683]) -> no negation-awareness
print(cos_similarities(references, candidates, finetuned_model)) # prints tensor([0.9585, 0.4263]) -> sensitive to negation
不使用 sentence-transformers
庫的用法
若未安裝 sentence-transformers
庫,可按以下方式使用模型:
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("tum-nlp/NegMPNet")
model = AutoModel.from_pretrained("tum-nlp/NegMPNet")
# 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
若要對該模型進行自動化評估,可參考 Sentence Embeddings Benchmark:https://seb.sbert.net
訓練參數
該模型的訓練參數如下:
數據加載器
sentence_transformers.datasets.NoDuplicatesDataLoader.NoDuplicatesDataLoader
,長度為 358,參數如下:
{'batch_size': 64}
損失函數
__main__.MultipleNegativesRankingLoss
,參數如下:
{'scale': 20.0, 'similarity_fct': 'cos_sim'}
fit()
方法的參數
{
"epochs": 1,
"evaluation_steps": 35,
"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": 36,
"weight_decay": 0.01
}
完整模型架構
SentenceTransformer(
(0): Transformer({'max_seq_length': 75, 'do_lower_case': False}) with Transformer model: MPNetModel
(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 CC BY-SA 4.0 許可證。
🔖 引用
如果你使用了我們的模型,請引用我們的 INLG 2023 論文,BibTeX 引用格式如下:
@misc{anschütz2023correct,
title={This is not correct! Negation-aware Evaluation of Language Generation Systems},
author={Miriam Anschütz and Diego Miguel Lozano and Georg Groh},
year={2023},
eprint={2307.13989},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
Jina Embeddings V3
Jina Embeddings V3 是一個多語言句子嵌入模型,支持超過100種語言,專注於句子相似度和特徵提取任務。
文本嵌入
Transformers 支持多種語言

J
jinaai
3.7M
911
Ms Marco MiniLM L6 V2
Apache-2.0
基於MS Marco段落排序任務訓練的交叉編碼器模型,用於信息檢索中的查詢-段落相關性評分
文本嵌入 英語
M
cross-encoder
2.5M
86
Opensearch Neural Sparse Encoding Doc V2 Distill
Apache-2.0
基於蒸餾技術的稀疏檢索模型,專為OpenSearch優化,支持免推理文檔編碼,在搜索相關性和效率上優於V1版本
文本嵌入
Transformers 英語

O
opensearch-project
1.8M
7
Sapbert From PubMedBERT Fulltext
Apache-2.0
基於PubMedBERT的生物醫學實體表徵模型,通過自對齊預訓練優化語義關係捕捉
文本嵌入 英語
S
cambridgeltl
1.7M
49
Gte Large
MIT
GTE-Large 是一個強大的句子轉換器模型,專注於句子相似度和文本嵌入任務,在多個基準測試中表現出色。
文本嵌入 英語
G
thenlper
1.5M
278
Gte Base En V1.5
Apache-2.0
GTE-base-en-v1.5 是一個英文句子轉換器模型,專注於句子相似度任務,在多個文本嵌入基準測試中表現優異。
文本嵌入
Transformers 支持多種語言

G
Alibaba-NLP
1.5M
63
Gte Multilingual Base
Apache-2.0
GTE Multilingual Base 是一個多語言的句子嵌入模型,支持超過50種語言,適用於句子相似度計算等任務。
文本嵌入
Transformers 支持多種語言

G
Alibaba-NLP
1.2M
246
Polybert
polyBERT是一個化學語言模型,旨在實現完全由機器驅動的超快聚合物信息學。它將PSMILES字符串映射為600維密集指紋,以數值形式表示聚合物化學結構。
文本嵌入
Transformers

P
kuelumbus
1.0M
5
Bert Base Turkish Cased Mean Nli Stsb Tr
Apache-2.0
基於土耳其語BERT的句子嵌入模型,專為語義相似度任務優化
文本嵌入
Transformers 其他

B
emrecan
1.0M
40
GIST Small Embedding V0
MIT
基於BAAI/bge-small-en-v1.5模型微調的文本嵌入模型,通過MEDI數據集與MTEB分類任務數據集訓練,優化了檢索任務的查詢編碼能力。
文本嵌入
Safetensors 英語
G
avsolatorio
945.68k
29
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98