Job Candidiate Matching Sentbert

🚀 {MODEL_NAME}

這是一個 句子轉換器（sentence-transformers） 模型：它能將句子和段落映射到一個384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

安裝依賴

當你安裝了 句子轉換器（sentence-transformers） 後，使用這個模型會變得很簡單：

pip install -U sentence-transformers

使用示例

基礎用法

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

model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

📚 詳細文檔

評估結果

要對該模型進行自動評估，請查看 句子嵌入基準測試（Sentence Embeddings Benchmark）：https://seb.sbert.net

訓練細節

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13952，參數如下：

{'batch_size': 14, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

損失函數（Loss）

sentence_transformers.losses.ContrastiveLoss.ContrastiveLoss，參數如下：

{'distance_metric': 'SiameseDistanceMetric.COSINE_DISTANCE', 'margin': 0.5, 'size_average': True}

fit() 方法的參數

{
    "epochs": 10,
    "evaluation_steps": 2000,
    "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": 10000,
    "weight_decay": 0.01
}

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': True}) 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})
  (2): Dense({'in_features': 768, 'out_features': 384, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
)

引用與作者