Multilingual En Uk Pl Ru

🚀 {MODEL_NAME}

這是一個基於 sentence-transformers 的模型，它能夠將句子和段落映射到一個 768 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

✨ 主要特性

• 多語言支持：支持烏克蘭語（uk）、英語（en）、波蘭語（pl）和俄語（ru）。
• 應用場景：該模型用於患者投訴的多語言分析資源，以確定在這種情況下所需的醫生專業領域，應用於 虛擬全科實踐。
• 模型更新：此模型是 uaritm/multilingual_en_ru_uk 模型的更新版本。

📦 安裝指南

若要使用此模型，需先安裝 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基礎用法

使用 sentence-transformers 庫調用模型：

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

高級用法

若未安裝 sentence-transformers，可按以下方式使用模型：首先將輸入傳遞給 Transformer 模型，然後對上下文詞嵌入應用正確的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    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 we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

📚 詳細文檔

評估結果

若要對該模型進行自動評估，請參閱 Sentence Embeddings Benchmark：https://seb.sbert.net

訓練參數

該模型的訓練參數如下：

• 數據加載器： torch.utils.data.dataloader.DataLoader，長度為 50184，參數如下：

{'batch_size': 32, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

• 損失函數： sentence_transformers.losses.MSELoss.MSELoss
• fit() 方法的參數：

{
    "epochs": 4,
    "evaluation_steps": 1000,
    "evaluator": "sentence_transformers.evaluation.SequentialEvaluator.SequentialEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "eps": 1e-06,
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 10000,
    "weight_decay": 0.01
}

🔧 技術細節

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (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

本模型採用 Apache-2.0 許可證。

🔖 引用與作者

@misc{Uaritm,
      title={sentence-transformers: Semantic similarity of medical texts}, 
      author={Vitaliy Ostashko},
      year={2023},
      url={https://aihealth.site},
}

📋 模型信息