Mstyledistance

🚀 mStyleDistance多語言風格嵌入模型

mStyleDistance是一個多語言風格嵌入模型，旨在將具有相似寫作風格的文本緊密嵌入，而將不同風格的文本嵌入得更遠，不受內容和語言的限制。該模型可用於多語言文本的風格分析、聚類、作者身份識別和驗證任務，以及自動風格遷移評估。

🚀 快速開始

本倉庫包含在論文 mStyleDistance: Multilingual Style Embeddings and their Evaluation 中介紹的模型。此模型是僅支持英語的 StyleDistance 模型的多語言版本。

✨ 主要特性

• 多語言支持：能夠處理多種語言的文本，不受語言限制。
• 風格嵌入：將具有相似寫作風格的文本緊密嵌入，不同風格的文本嵌入得更遠，與內容無關。
• 廣泛應用：可用於多語言文本的風格分析、聚類、作者身份識別和驗證任務，以及自動風格遷移評估。

📦 安裝指南

暫未提供安裝步驟相關內容。

💻 使用示例

基礎用法

from sentence_transformers import SentenceTransformer
from sentence_transformers.util import cos_sim

model = SentenceTransformer('StyleDistance/mstyledistance') # 加載模型

input = model.encode("ÉL TIENE PROBLEMAS PARA LOGRAR LA TEMPERATURA ADECUADA PARA COCINAR LA GALLINA CORNISH.")
others = model.encode(["TOCARÁS LA GUITARRA CON TU AMIGO; SERÁ UNA EXCELENTE OPORTUNIDAD PARA MEJORAR TUS HABILIDADES MUSICALES.", "Él tiene problemas para lograr la temperatura adecuada para cocinar la gallina Cornish."])
print(cos_sim(input, others))

示例展示

以下是一些使用該模型進行風格分析的示例：

• 示例1
  • 源句子：彼は技術的な複雑さと格闘し、彼の作品は驚くべき視覚的緊張を生み出した。
  • 對比句子：
    • Serviste mariscos frescos en el condado de Middlesex y áreas circundantes.
    • Él sirvió mariscos frescos en el condado de Middlesex y áreas circundantes.
• 示例2
  • 源句子：Bien sûr, ils termineront la construction du pont en une semaine.
  • 對比句子：
    • Oh, you mean when I single-handedly tackled that bespoke headboard project?
    • Remember when I completed that bespoke headboard project on my own?
• 示例3
  • 源句子：我將使用有限的色調和小尺寸進行像素藝術的簡化和風格化設計。
  • 對比句子：
    • Я ценю ТТ-пистолет за его огневую мощь; его проникающая способность впечатляет меня.
    • 你將使用有限的色調和小尺寸進行像素藝術的簡化和風格化設計。

📚 詳細文檔

訓練數據和變體

mStyleDistance在 mSynthSTEL 上進行對比訓練，這是一個合成生成的數據集，包含約40種風格特徵在9種非英語語言文本中的正負示例。通過利用這個合成數據集，mStyleDistance比目前可用的其他風格嵌入模型能夠實現更強的內容獨立性，並且能夠處理多語言文本。

模型信息

📄 許可證

本模型使用MIT許可證。

📖 引用

如果您使用了該模型，請引用以下論文：

@misc{qiu2025mstyledistancemultilingualstyleembeddings,
      title={mStyleDistance: Multilingual Style Embeddings and their Evaluation}, 
      author={Justin Qiu and Jiacheng Zhu and Ajay Patel and Marianna Apidianaki and Chris Callison-Burch},
      year={2025},
      eprint={2502.15168},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2502.15168}, 
}

🔖 訓練信息

本模型使用 DataDreamer 🤖💤 生成的合成數據集進行訓練。合成數據集卡片和模型卡片可在 這裡 找到，訓練參數可在 這裡 找到。

💸 資金致謝

本研究部分得到了國家情報總監辦公室（ODNI）、情報高級研究計劃局（IARPA）通過HIATUS計劃合同 #2022 - 22072200005的支持。本文所包含的觀點和結論僅代表作者本人，不一定代表ODNI、IARPA或美國政府的官方政策，無論是明示還是暗示。美國政府有權為政府目的複製和分發重印本，無論其中的版權聲明如何。