Instructor Base

🚀 hku-nlp/instructor-base

這是一個通用的嵌入模型：在測試時，它可以將任何文本（例如標題、句子、文檔等）映射到一個固定長度的向量，無需進一步訓練。通過使用指令，生成的嵌入向量具有領域特定性（例如，專門用於科學、金融等領域）和任務感知性（例如，針對分類、信息檢索等任務進行定製）。

該模型可以方便地與 sentence-transformer 庫一起使用。

🚀 快速開始

本模型可將文本映射為特定領域和任務的向量，無需額外訓練，使用 sentence-transformer 庫即可輕鬆調用。

📦 安裝指南

git clone https://github.com/HKUNLP/instructor-embedding
cd sentence-transformers
pip install -e .

💻 使用示例

基礎用法

你可以像下面這樣使用該模型來計算特定領域和任務感知的嵌入向量：

from sentence_transformers import SentenceTransformer
sentence = "3D ActionSLAM: wearable person tracking in multi-floor environments"
instruction = "Represent the Science title; Input:"
model = SentenceTransformer('hku-nlp/instructor-base')
embeddings = model.encode([[instruction,sentence,0]])
print(embeddings)

高級用法

你可以進一步使用該模型，通過定製化嵌入向量來計算兩組句子之間的相似度：

from sklearn.metrics.pairwise import cosine_similarity
sentences_a = [['Represent the Science sentence; Input: ','Parton energy loss in QCD matter',0], 
               ['Represent the Financial statement; Input: ','The Federal Reserve on Wednesday raised its benchmark interest rate.',0]]
sentences_b = [['Represent the Science sentence; Input: ','The Chiral Phase Transition in Dissipative Dynamics', 0],
               ['Represent the Financial statement; Input: ','The funds rose less than 0.5 per cent on Friday',0]]
embeddings_a = model.encode(sentences_a)
embeddings_b = model.encode(sentences_b)
similarities = cosine_similarity(embeddings_a,embeddings_b)
print(similarities)

📄 許可證

本項目採用 Apache-2.0 許可證。