Vietnamese Address Embedding

🚀 CaoHaiNam/越南語地址嵌入

這是一個 句子轉換器 模型：它能將句子和段落映射到一個 768 維的密集向量空間，可用於地址標準化。

🚀 快速開始

關於該模型的工作原理詳情可查看：https://github.com/CaoHaiNam/Vietnamese-Address-Standardization

✨ 主要特性

• 可將句子和段落映射到 768 維的密集向量空間。
• 適用於地址標準化任務。

📦 安裝指南

文檔中未提及安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

文檔中未提供代碼示例，故跳過此章節。

🔧 技術細節

訓練

該模型使用以下參數進行訓練：

數據加載器： 長度為 8626 的 torch.utils.data.dataloader.DataLoader，參數如下：

{'batch_size': 4, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

損失函數： sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss，參數如下：

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

fit() 方法的參數：

{
    "epochs": 10,
    "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": null,
    "warmup_steps": 100,
    "weight_decay": 0.01
}

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 64, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

📄 許可證

文檔中未提及許可證信息，故跳過此章節。

📚 詳細文檔

文檔中未提供詳細說明，故跳過此章節。

📦 信息表格