Marathi Sentence Similarity Sbert

🚀 MahaSBERT-STS

MahaSBERT-STS是一個在STS數據集上微調的MahaSBERT模型（l3cube-pune/marathi-sentence-bert-nli）。它是MahaNLP項目的一部分，項目鏈接：https://github.com/l3cube-pune/MarathiNLP 。該模型的多語言版本支持主要印度語言和跨語言句子相似度計算，可在 indic-sentence-similarity-sbert 查看。

🚀 快速開始

本模型是一個 sentence-transformers 模型，它可以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。

✨ 主要特性

• 基於MahaSBERT模型在STS數據集上微調，適用於馬拉地語句子相似度計算。
• 有對應的多語言版本，支持主要印度語言和跨語言句子相似度計算。

📦 安裝指南

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）

安裝 sentence-transformers 後，可按以下方式使用模型：

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

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] (https://arxiv.org/abs/2211.11187) 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}
}

• 單語言印度SBERT論文
• 多語言印度SBERT論文

其他相關模型

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）

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）

📄 許可證

本模型採用CC BY 4.0許可證。

示例展示