Sbert Large Mt Nlu Ru

🚀 BERT大模型多任務（大小寫敏感）俄語句子嵌入模型

該模型用於生成俄語句子的嵌入向量，能有效處理俄語句子的語義表示。它在相關文章中被詳細描述，並且在俄語SuperGLUE任務上有具體的評估指標。

🚀 快速開始

本模型可直接從模型倉庫中使用，用於計算句子嵌入向量。

💻 使用示例

基礎用法

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()
    sum_embeddings = torch.sum(token_embeddings * input_mask_expanded, 1)
    sum_mask = torch.clamp(input_mask_expanded.sum(1), min=1e-9)
    return sum_embeddings / sum_mask
#Sentences we want sentence embeddings for
sentences = ['Привет! Как твои дела?',
             'А правда, что 42 твое любимое число?']
#Load AutoModel from huggingface model repository
tokenizer = AutoTokenizer.from_pretrained("ai-forever/sbert_large_mt_nlu_ru")
model = AutoModel.from_pretrained("ai-forever/sbert_large_mt_nlu_ru")
#Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, max_length=24, 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'])

📚 詳細文檔

• 模型描述：該模型的詳細信息可查看 此文章。
• 評估指標：俄語SuperGLUE 指標。

📄 許可證

本模型採用MIT許可證。

👥 作者

• SberDevices 團隊。
• 亞歷山大·阿布拉莫夫（Aleksandr Abramov）：HF個人資料，Github，Kaggle競賽大師；
• 丹尼斯·安蒂霍夫（Denis Antykhov）：Github；

💡 使用建議

為了獲得更好的效果，建議使用平均詞元嵌入。