Sentence BERTino V2 Mmarco 4m

🚀 sentence-BERTino-v2-mmarco-4m

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。該模型是在約 400 萬個 mmarco 示例上對 sentence-BERTino-v2-pt 進行微調得到的。

分別使用 query: 和 passage: 作為問題和文檔的前綴標識符。

• 損失函數：MultipleNegativesRankingLoss
• 基礎設施：A100 80GB

如果您覺得這個項目有用，不妨支持其開發：

🚀 快速開始

本模型可用於將句子和段落映射到 768 維的密集向量空間，適用於聚類或語義搜索等任務。下面將介紹不同方式下的使用方法。

✨ 主要特性

• 能夠將句子和段落映射到 768 維的密集向量空間。
• 適用於聚類或語義搜索等任務。
• 基於約 400 萬個 mmarco 示例對 sentence-BERTino-v2-pt 進行微調。

📦 安裝指南

若要使用此模型，您需要安裝 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基礎用法（Sentence-Transformers）

當您安裝了 sentence-transformers 後，使用該模型會變得很簡單：

from sentence_transformers import SentenceTransformer

sentences = [
  "query: Questo è un esempio di frase",
  "passage: Questo è un ulteriore esempio"
]

model = SentenceTransformer('efederici/sentence-BERTino-v2-mmarco-4m')
embeddings = model.encode(sentences)
print(embeddings)

高級用法（HuggingFace Transformers）

如果沒有安裝 sentence-transformers，您可以按照以下步驟使用該模型：

1. 將輸入數據傳入 Transformer 模型。
2. 對上下文詞嵌入應用正確的池化操作。

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 we want sentence embeddings for
sentences = [
  "query: Questo è un esempio di frase",
  "passage: Questo è un ulteriore esempio"
]

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('efederici/sentence-BERTino-v2-mmarco-4m')
model = AutoModel.from_pretrained('efederici/sentence-BERTino-v2-mmarco-4m')

# 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)

🔧 技術細節

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: DistilBertModel 
  (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 Apache-2.0 許可證。