Kannada Sentence Similarity Sbert

🚀 卡納達語SBERT-STS

這是一個在STS數據集上微調的卡納達語SBERT模型（l3cube-pune/kannada-sentence-bert-nli）。
作為MahaNLP項目的一部分發布：https://github.com/l3cube-pune/MarathiNLP
支持主要印度語言和跨語言句子相似度的該模型多語言版本可在此處獲取 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

@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}
}

單語言印度SBERT論文
多語言印度SBERT論文

✨ 主要特性

• 基於卡納達語SBERT模型在STS數據集上進行微調。
• 作為MahaNLP項目的一部分發布。
• 有支持主要印度語言和跨語言句子相似度的多語言版本。

📦 安裝指南

當你安裝了 sentence-transformers 後，使用此模型會變得很容易：

pip install -U sentence-transformers

💻 使用示例

基礎用法（使用Sentence-Transformers）

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（不使用Sentence-Transformers，使用HuggingFace Transformers）

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

其他單語言相似度模型列表如下：
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）

其他單語言印度語句子BERT模型列表如下：
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）

📄 許可證

本模型採用CC BY 4.0許可證。