🚀 DataikuNLP/paraphrase-multilingual-MiniLM-L12-v2
本模型是 sentence-transformers 模型庫中 此模型倉庫 在特定提交版本 d66eff4d8a8598f264f166af8db67f7797164651
下的副本。它可以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
本模型可通過 sentence-transformers
庫或 HuggingFace Transformers
庫使用。下面將分別介紹兩種使用方式。
✨ 主要特性
- 多語言支持:能夠處理多種語言的句子和段落。
- 向量映射:將文本映射到384維的密集向量空間。
- 應用廣泛:可用於聚類、語義搜索等多種自然語言處理任務。
📦 安裝指南
若要使用 sentence-transformers
庫,可通過以下命令進行安裝:
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('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')
embeddings = model.encode(sentences)
print(embeddings)
高級用法(HuggingFace Transformers)
from transformers import AutoTokenizer, AutoModel
import torch
def mean_pooling(model_output, attention_mask):
token_embeddings = model_output[0]
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 = ['This is an example sentence', 'Each sentence is converted']
tokenizer = AutoTokenizer.from_pretrained('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')
model = AutoModel.from_pretrained('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
with torch.no_grad():
model_output = model(**encoded_input)
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("Sentence embeddings:")
print(sentence_embeddings)
📚 詳細文檔
評估結果
若要對本模型進行自動化評估,可參考 Sentence Embeddings Benchmark:https://seb.sbert.net
完整模型架構
SentenceTransformer(
(0): Transformer({'max_seq_length': 128, '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})
)
🔧 技術細節
本模型基於 sentence-transformers
框架構建,使用 BertModel
作為基礎的Transformer模型,並採用了平均池化(Mean Pooling)操作來獲取句子的嵌入表示。
📄 許可證
本模型採用 Apache-2.0 許可證。
📖 引用與作者
本模型由 sentence-transformers 團隊訓練。
若您覺得本模型有幫助,可引用以下論文:Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks
@inproceedings{reimers-2019-sentence-bert,
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
author = "Reimers, Nils and Gurevych, Iryna",
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
month = "11",
year = "2019",
publisher = "Association for Computational Linguistics",
url = "http://arxiv.org/abs/1908.10084",
}