Ag Nli DeTS Sentence Similarity V2

🚀 用於句子相似度的跨編碼器

本模型使用 SentenceTransformers 的 Cross-Encoder 類進行訓練，可預測兩個句子語義相似度得分（0 表示不相似，1 表示非常相似）。

🚀 快速開始

本模型使用 SentenceTransformers 的 Cross-Encoder 類進行訓練。

✨ 主要特性

• 支持多種語言，包括英語、荷蘭語、德語、法語、意大利語和西班牙語。
• 基於多個 NLI 數據集進行訓練，能有效預測句子間的語義相似度。

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

from sentence_transformers import CrossEncoder

model = CrossEncoder('abbasgolestani/ag-nli-DeTS-sentence-similarity-v2')

# 兩個句子列表
sentences1 = ['I am honored to be given the opportunity to help make our company better',
             'I love my job and what I do here',
             'I am excited about our company’s vision']

sentences2 = ['I am hopeful about the future of our company',
              'My work is aligning with my passion',
              'Definitely our company vision will be the next breakthrough to change the world and I’m so happy and proud to work here']

pairs = zip(sentences1,sentences2)
list_pairs=list(pairs)

scores1 = model.predict(list_pairs, show_progress_bar=False)
print(scores1)

for i in range(len(sentences1)):
    print("{} \t\t {} \t\t Score: {:.4f}".format(sentences1[i], sentences2[i], scores1[i]))

高級用法

預訓練模型可以按如下方式使用：

from sentence_transformers import CrossEncoder
model = CrossEncoder('abbasgolestani/ag-nli-DeTS-sentence-similarity-v2')
scores = model.predict([('Sentence 1', 'Sentence 2'), ('Sentence 3', 'Sentence 4')])

模型將為 ('Sentence 1', 'Sentence 2') 和 ('Sentence 3', 'Sentence 4') 這兩對句子預測得分。

你也可以不使用 sentence_transformers，僅使用 Transformers 的 AutoModel 類來使用此模型。

📚 詳細文檔

訓練數據

此模型在 6 個不同的 NLI 數據集上進行訓練。模型會為兩個句子的語義相似度預測一個介於 0（不相似）和 1（非常相似）之間的分數。

模型使用

將 sentences1 數組中的每個句子與 sentences2 數組中對應的句子進行比較，例如比較每個數組的第一個句子，然後比較每個數組的第二個句子，以此類推。

📄 許可證

本項目採用 Apache-2.0 許可證。

📦 數據集