Twitter4sse

🚀 Twitter4SSE

Twitter4SSE 模型可將文本映射到 768 維的密集嵌入向量，這些向量能夠對語義相似度進行編碼。該模型在 Twitter 數據集上使用多負例排序損失（MNRL）進行訓練。它基於 BERTweet 進行初始化，並使用 Sentence-transformers 庫進行訓練。

🚀 快速開始

本模型藉助 sentence-transformers 庫使用起來更加便捷。

📦 安裝指南

pip install -U sentence-transformers

💻 使用示例

基礎用法

from sentence_transformers import SentenceTransformer
sentences = ["This is the first tweet", "This is the second tweet"]

model = SentenceTransformer('digio/Twitter4SSE')
embeddings = model.encode(sentences)
print(embeddings)

若不使用 sentence-transformers 庫，請參考 此倉庫 獲取在 Huggingface 上使用 Sentence Transformers 的詳細說明。

📚 詳細文檔

引用與作者

官方論文 Exploiting Twitter as Source of Large Corpora of Weakly Similar Pairs for Semantic Sentence Embeddings 將在 2021 年的 EMNLP 會議上發表。更多詳細信息即將公佈。

@inproceedings{di-giovanni-brambilla-2021-exploiting,
    title = "Exploiting {T}witter as Source of Large Corpora of Weakly Similar Pairs for Semantic Sentence Embeddings",
    author = "Di Giovanni, Marco  and
      Brambilla, Marco",
    booktitle = "Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2021",
    address = "Online and Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.emnlp-main.780",
    pages = "9902--9910",
}

官方代碼可在 GitHub 上獲取。

📄 許可證

本項目採用 Apache-2.0 許可證。