Indic Sentence Bert Nli

🚀 IndicSBERT

IndicSBERT是一個基於MuRIL（google/muril-base-cased）模型，在十種主要印度語言的NLI數據集上訓練得到的模型。該單一模型可用於英語、印地語、馬拉地語、卡納達語、泰米爾語、泰盧固語、古吉拉特語、奧里亞語、旁遮普語、馬拉雅拉姆語和孟加拉語，並且具備跨語言處理能力。此模型是MahaNLP項目的一部分，項目鏈接：https://github.com/l3cube-pune/MarathiNLP 。

這裡還分享了一個更好的句子相似度模型（本模型的微調版本）：https://huggingface.co/l3cube-pune/indic-sentence-similarity-sbert 。

有關數據集、模型和基線結果的更多詳細信息，請參閱我們的論文。

🚀 快速開始

模型信息

示例展示

以下是一些使用示例：

• 單語 - 馬拉地語
  • 源句子：दिवाळी आपण मोठ्या उत्साहाने साजरी करतो
  • 對比句子：
    • दिवाळी आपण आनंदाने साजरी करतो
    • दिवाळी हा दिव्यांचा सण आहे
• 單語 - 印地語
  • 源句子：हम दीपावली उत्साह के साथ मनाते हैं
  • 對比句子：
    • हम दीपावली खुशियों से मनाते हैं
    • दिवाली रोशनी का त्योहार है
• 單語 - 古吉拉特語
  • 源句子：અમે ઉત્સાહથી દિવાળી ઉજવીએ છીએ
  • 對比句子：
    • દિવાળી આપણે ખુશીઓથી ઉજવીએ છીએ
    • દિવાળી એ રોશનીનો તહેવાર છે
• 跨語言 1
  • 源句子：आम्हाला भारतीय असल्याचा अभिमान आहे
  • 對比句子：
    • हमें भारतीय होने पर गर्व है
    • భారతీయులమైనందుకు గర్విస్తున్నాం
    • અમને ભારતીય હોવાનો ગર્વ છે
• 跨語言 2
  • 源句子：ਬਾਰਿਸ਼ ਤੋਂ ਬਾਅਦ ਬਗੀਚਾ ਸੁੰਦਰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ
  • 對比句子：
    • മഴയ്ക്ക് ശേഷം പൂന്തോട്ടം മനോഹരമായി കാണപ്പെടുന്നു
    • ବର୍ଷା ପରେ ବଗିଚା ସୁନ୍ଦର ଦେଖାଯାଏ |
    • बारिश के बाद बगीचा सुंदर दिखता है

相關論文

• 單語Indic SBERT論文
• 多語言Indic SBERT論文

其他相關模型

單語Indic句子BERT模型

• 馬拉地語SBERT
• 印地語SBERT
• 卡納達語SBERT
• 泰盧固語SBERT
• 馬拉雅拉姆語SBERT
• 泰米爾語SBERT
• 古吉拉特語SBERT
• 奧里亞語SBERT
• 孟加拉語SBERT
• 旁遮普語SBERT
• Indic SBERT（多語言）

單語相似度模型

• 馬拉地語相似度模型
• 印地語相似度模型
• 卡納達語相似度模型
• 泰盧固語相似度模型
• 馬拉雅拉姆語相似度模型
• 泰米爾語相似度模型
• 古吉拉特語相似度模型
• 奧里亞語相似度模型
• 孟加拉語相似度模型
• 旁遮普語相似度模型
• Indic相似度模型（多語言）

引用信息

@article{deode2023l3cube,
  title={L3Cube-IndicSBERT: A simple approach for learning cross-lingual sentence representations using multilingual BERT},
  author={Deode, Samruddhi and Gadre, Janhavi and Kajale, Aditi and Joshi, Ananya and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2304.11434},
  year={2023}
}

📦 安裝指南

若要使用此模型，需要安裝sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基礎用法（Sentence-Transformers）

當你安裝了sentence-transformers後，使用該模型會變得非常簡單。以下是使用示例：

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)

高級用法（HuggingFace Transformers）

若未安裝sentence-transformers，可以按以下方式使用該模型：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('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

# 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)

📄 許可證

本模型採用CC BY 4.0許可證。