Malayalam Sentence Bert Nli

🚀 MalayalamSBERT

MalayalamSBERT是一個基於馬拉雅拉姆語的模型，它在NLI數據集上對MalayalamBERT模型（l3cube - pune/malayalam - bert）進行了訓練。該模型作為MahaNLP項目的一部分發布，能有效處理句子相似度任務，為馬拉雅拉姆語的語義理解提供支持。

🚀 快速開始

本模型可以通過兩種方式使用，分別是藉助sentence - transformers庫和HuggingFace Transformers庫。下面為你詳細介紹使用方法。

📦 安裝指南

若要使用sentence - transformers庫來調用本模型，你需要先安裝它：

pip install -U sentence-transformers

💻 使用示例

基礎用法

使用sentence - transformers庫

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)

使用HuggingFace Transformers庫

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)

📚 詳細文檔

• 本模型作為MahaNLP項目的一部分發布，項目鏈接：https://github.com/l3cube - pune/MarathiNLP
• 支持主要印度語言和跨語言能力的多語言版本模型： indic - sentence - bert - nli
• 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/malayalam - sentence - similarity - sbert
• 關於數據集、模型和基線結果的更多詳細信息可在我們的論文中找到。

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}
}

@article{joshi2022l3cubemahasbert,
  title={L3Cube-MahaSBERT and HindSBERT: Sentence BERT Models and Benchmarking BERT Sentence Representations for Hindi and Marathi},
  author={Joshi, Ananya and Kajale, Aditi and Gadre, Janhavi and Deode, Samruddhi and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2211.11187},
  year={2022}
}

相關論文鏈接

• 單語言印度SBERT論文
• 多語言印度SBERT論文

其他單語言印度句子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
• 印度語SBERT（多語言）

其他單語言相似度模型

• 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
• 印度語相似度模型（多語言）

📄 許可證

本模型採用CC - BY - 4.0許可證。