Anita

🚀 意大利問答句轉換器模型

本模型專為意大利語問答任務設計，能夠理解和處理意大利語查詢，精準定位答案所在的相關上下文。可廣泛應用於客戶支持自動化、教育工具和信息檢索系統等領域。

🚀 快速開始

本模型是專門為意大利語問答（Q&A）任務設計的。它適用於需要理解和處理意大利語查詢，以找出答案所在最相關上下文的應用程序。合適的用例包括但不限於客戶支持自動化、教育工具和信息檢索系統。

✨ 主要特性

• 專為意大利語問答任務定製，能精準理解和處理意大利語查詢。
• 採用基於Transformer的架構，針對意大利語的細微差別進行了優化。
• 可將句子映射到高維空間，預測包含答案的最可能上下文。

📦 安裝指南

使用SentenceTransformer安裝

pip install -U sentence-transformers

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModel
import torch
from sklearn.metrics.pairwise import cosine_similarity
from sklearn.preprocessing import normalize

# Load model and tokenizer
model_name = "DeepMount00/Anita"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)

# Prepare sentences
sentences = [
    "Cosa faceva ogni sera Luca?",
    "Un cane felice corre nel parco, la coda ondeggiante al vento. Ogni erba, ogni farfalla, un'avventura. Occhi scintillanti, lingua penzolante, esplora gioiosamente, amato e coccolato dal suo fedele compagno umano. Insieme, condividono un legame indissolubile, tessuto di corse, giochi e affetto incondizionato.",
    "In un piccolo paesino circondato da colline verdeggianti e campi fioriti viveva una persona il cui sorriso era capace di illuminare la giornata più grigia. Questa persona, di nome Luca, aveva trovato la chiave della felicità nelle piccole gioie quotidiane: il profumo del caffè al mattino, il suono ridente dei bambini che giocavano in piazza, il tramonto che dipingeva il cielo di arancione e viola ogni sera."
]

# Tokenize, encode, and compute embeddings
embeddings = []
with torch.no_grad():
    for sentence in sentences:
        encoded_input = tokenizer(sentence, return_tensors='pt', padding=True, truncation=True, max_length=512)
        embedding = model(**encoded_input).pooler_output
        embeddings.append(embedding)

# Convert embeddings to numpy and normalize
embeddings = torch.cat(embeddings, dim=0).numpy()

# Calculate cosine similarity
similarity_matrix = cosine_similarity(embeddings)

# Print similarity scores
print("Similarità tra la sentenza 1 e 2:", similarity_matrix[0, 1])
print("Similarità tra la sentenza 1 e 3:", similarity_matrix[0, 2])
print("Similarità tra la sentenza 2 e 3:", similarity_matrix[1, 2])

高級用法

from sentence_transformers import SentenceTransformer
sentences = ["Oggi sono andato al mare", "La torre di Pisa si trova in Toscana"]

model = SentenceTransformer('DeepMount00/Anita')
embeddings = model.encode(sentences)
print(embeddings)

📚 詳細文檔

模型信息

版本與發佈信息

• 版本：2
• 發佈日期：2024年4月23日

📄 許可證

本模型採用Apache-2.0許可證。