Unsup Simcse Ja Large

🚀 unsup-simcse-ja-large

本模型 unsup-simcse-ja-large 可用于句子特征提取和相似度计算，借助预训练的Transformer架构，能高效地将句子转换为向量表示。

🚀 快速开始

使用此模型，你可以选择使用 sentence-transformers 库或 HuggingFace Transformers 库，以下为你详细介绍两种使用方式。

📦 安装指南

若你选择使用 sentence-transformers 库，可通过以下命令进行安装：

pip install -U fugashi[unidic-lite] sentence-transformers

💻 使用示例

基础用法（Sentence-Transformers）

from sentence_transformers import SentenceTransformer
sentences = ["こんにちは、世界！", "文埋め込み最高！文埋め込み最高と叫びなさい", "極度乾燥しなさい"]

model = SentenceTransformer("cl-nagoya/unsup-simcse-ja-large")
embeddings = model.encode(sentences)
print(embeddings)

高级用法（HuggingFace Transformers）

若不使用 sentence-transformers 库，你可以按如下方式使用该模型：首先将输入数据传入Transformer模型，然后对上下文词嵌入应用合适的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


def cls_pooling(model_output, attention_mask):
    return model_output[0][:,0]


# 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("cl-nagoya/unsup-simcse-ja-large")
model = AutoModel.from_pretrained("cl-nagoya/unsup-simcse-ja-large")

# 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, cls pooling.
sentence_embeddings = cls_pooling(model_output, encoded_input['attention_mask'])

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

🔧 技术细节

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

模型概要

更多详细的实验设置，请参考 GitHub仓库。

📄 许可证

本模型采用 cc-by-sa-4.0 许可证。

📚 引用与作者

若你使用了此模型，请按照以下格式进行引用：

@misc{
  hayato-tsukagoshi-2023-simple-simcse-ja,
  author = {Hayato Tsukagoshi},
  title = {Japanese Simple-SimCSE},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/hppRC/simple-simcse-ja}}
}