🚀 無大小寫區分的芬蘭語句子BERT模型
本模型是基於FinBERT訓練的芬蘭語句子BERT模型。可以在此處查看一個使用*大小寫區分模型*從4億個句子的數據集中檢索最相似句子的演示。
🚀 快速開始
本模型的使用方法與HuggingFace文檔中描述的一致,可以通過SentenceTransformer
或HuggingFace Transformers
來使用。
✨ 主要特性
- 基於FinBERT訓練,適用於芬蘭語句子相似度任務。
- 可用於從大規模句子數據集中檢索相似句子。
📦 安裝指南
文檔未提及具體安裝步驟,可參考sentence-transformers
和transformers
庫的官方安裝說明。
💻 使用示例
基礎用法
from sentence_transformers import SentenceTransformer
sentences = ["Tämä on esimerkkilause.", "Tämä on toinen lause."]
model = SentenceTransformer('TurkuNLP/sbert-uncased-finnish-paraphrase')
embeddings = model.encode(sentences)
print(embeddings)
高級用法
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 = ["Tämä on esimerkkilause.", "Tämä on toinen lause."]
tokenizer = AutoTokenizer.from_pretrained('TurkuNLP/sbert-uncased-finnish-paraphrase')
model = AutoModel.from_pretrained('TurkuNLP/sbert-uncased-finnish-paraphrase')
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
訓練信息
屬性 |
詳情 |
模型類型 |
無大小寫區分的芬蘭語句子BERT模型 |
訓練庫 |
sentence-transformers |
基礎FinBERT模型 |
TurkuNLP/bert-base-finnish-uncased-v1 |
訓練數據 |
此處提供的數據,包括芬蘭語釋義語料庫和自動收集的釋義候選(50萬個正樣本和500萬個負樣本) |
池化方法 |
均值池化 |
訓練任務 |
二分類預測,判斷兩個句子是否為釋義關係。注:標籤3和4被視為釋義,標籤1和2視為非釋義。標籤詳情 |
模型架構
SentenceTransformer(
(0): Transformer({'max_seq_length': 128, 'do_lower_case': True}) with Transformer model: BertModel
(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})
)
評估結果
目前正在撰寫詳細的評估結果相關的出版物。
引用與作者
在相關出版物完成之前,請引用此頁面。
參考文獻
- J. Kanerva, F. Ginter, LH. Chang, I. Rastas, V. Skantsi, J. Kilpeläinen, HM. Kupari, J. Saarni, M. Sevón, and O. Tarkka. Finnish Paraphrase Corpus. In NoDaLiDa 2021, 2021.
- N. Reimers and I. Gurevych. Sentence-BERT: Sentence embeddings using Siamese BERT-networks. In EMNLP-IJCNLP, pages 3982–3992, 2019.
- A. Virtanen, J. Kanerva, R. Ilo, J. Luoma, J. Luotolahti, T. Salakoski, F. Ginter, and S. Pyysalo. Multilingual is not enough: BERT for Finnish. arXiv preprint arXiv:1912.07076, 2019.