Parameter Mini Lds

🚀 parameter-mini-lds

parameter-mini-lds是一個用於識別專利中參數句子的模型，它基於all-MiniLM-L6-v2構建。該模型能將句子和段落映射到384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

若你已安裝 sentence-transformers，使用此模型將十分便捷：

pip install -U sentence-transformers

之後，你可以按如下方式使用該模型：

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('nategro/parameter-mini-lds')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主要特性

• 基於all-MiniLM-L6-v2，可有效識別專利中的參數句子。
• 能夠將句子和段落映射到384維的密集向量空間，適用於聚類、語義搜索等任務。

📦 安裝指南

使用此模型前，需安裝 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基礎用法

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('nategro/parameter-mini-lds')
embeddings = model.encode(sentences)
print(embeddings)

高級用法

暫未提供高級用法示例，可根據具體需求對模型進行進一步的定製和擴展。

📚 詳細文檔

評估結果

如需對該模型進行自動評估，請參考 Sentence Embeddings Benchmark：https://seb.sbert.net

訓練

該模型使用以下參數進行訓練：

數據加載器： torch.utils.data.dataloader.DataLoader，長度為1128，參數如下：

{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

損失函數： sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss

fit() 方法的參數：

{
    "epochs": 1,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": 1128,
    "warmup_steps": 113,
    "weight_decay": 0.01
}

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Normalize()
)

引用與作者

該模型使用了以下預訓練模型：sentence-transformers/all-MiniLM-L6-v2