Hindi Sentence Similarity Sbert

🚀 HindSBERT-STS

HindSBERT-STS 是一個在 STS 數據集上微調的 HindSBERT 模型（ l3cube-pune/hindi-sentence-bert-nli ）。它作為 MahaNLP 項目的一部分發布，項目地址：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 。此模型可將句子和段落映射到 768 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

若要使用此模型，需安裝 sentence-transformers：

pip install -U sentence-transformers

使用示例

基礎用法（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（HuggingFace Transformers）

若未安裝 sentence-transformers，可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)

📚 詳細文檔

模型相關鏈接

• 此模型基於的原始模型： l3cube-pune/hindi-sentence-bert-nli
• 項目 MahaNLP 地址：https://github.com/l3cube-pune/MarathiNLP
• 多語言版本模型： indic-sentence-similarity-sbert

相關論文

更多關於數據集、模型和基線結果的詳細信息可在我們的 論文 中找到。

@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}
}

• 單語印度語 SBERT 論文
• 多語言印度語 SBERT 論文

其他相關模型

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
• 印度語相似度模型（多語言）

單語印度語句子 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）

📄 許可證

本模型採用 CC BY 4.0 許可證。

🔍 模型示例

示例 1

• 源句子："एक आदमी एक रस्सी पर चढ़ रहा है"
• 對比句子：
  • "एक आदमी एक रस्सी पर चढ़ता है"
  • "एक आदमी एक दीवार पर चढ़ रहा है"
  • "एक आदमी बांसुरी बजाता है"

示例 2

• 源句子："कुछ लोग गा रहे हैं"
• 對比句子：
  • "लोगों का एक समूह गाता है"
  • "बिल्ली दूध पी रही है"
  • "दो आदमी लड़ रहे हैं"

示例 3

• 源句子："फेडरर ने 7वां विंबलडन खिताब जीत लिया है"
• 對比句子：
  • "फेडरर अपने करियर में कुल 20 ग्रैंडस्लैम खिताब जीत चुके है "
  • "फेडरर ने सितंबर में अपने निवृत्ति की घोषणा की"
  • "एक आदमी कुछ खाना पकाने का तेल एक बर्तन में डालता है"