Indic Sentence Bert Nli

🚀 IndicSBERT

IndicSBERT是一个基于MuRIL（google/muril-base-cased）模型，在十种主要印度语言的NLI数据集上训练得到的模型。该单一模型可用于英语、印地语、马拉地语、卡纳达语、泰米尔语、泰卢固语、古吉拉特语、奥里亚语、旁遮普语、马拉雅拉姆语和孟加拉语，并且具备跨语言处理能力。此模型是MahaNLP项目的一部分，项目链接：https://github.com/l3cube-pune/MarathiNLP 。

这里还分享了一个更好的句子相似度模型（本模型的微调版本）：https://huggingface.co/l3cube-pune/indic-sentence-similarity-sbert 。

有关数据集、模型和基线结果的更多详细信息，请参阅我们的论文。

🚀 快速开始

模型信息

示例展示

以下是一些使用示例：

• 单语 - 马拉地语
  • 源句子：दिवाळी आपण मोठ्या उत्साहाने साजरी करतो
  • 对比句子：
    • दिवाळी आपण आनंदाने साजरी करतो
    • दिवाळी हा दिव्यांचा सण आहे
• 单语 - 印地语
  • 源句子：हम दीपावली उत्साह के साथ मनाते हैं
  • 对比句子：
    • हम दीपावली खुशियों से मनाते हैं
    • दिवाली रोशनी का त्योहार है
• 单语 - 古吉拉特语
  • 源句子：અમે ઉત્સાહથી દિવાળી ઉજવીએ છીએ
  • 对比句子：
    • દિવાળી આપણે ખુશીઓથી ઉજવીએ છીએ
    • દિવાળી એ રોશનીનો તહેવાર છે
• 跨语言 1
  • 源句子：आम्हाला भारतीय असल्याचा अभिमान आहे
  • 对比句子：
    • हमें भारतीय होने पर गर्व है
    • భారతీయులమైనందుకు గర్విస్తున్నాం
    • અમને ભારતીય હોવાનો ગર્વ છે
• 跨语言 2
  • 源句子：ਬਾਰਿਸ਼ ਤੋਂ ਬਾਅਦ ਬਗੀਚਾ ਸੁੰਦਰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ
  • 对比句子：
    • മഴയ്ക്ക് ശേഷം പൂന്തോട്ടം മനോഹരമായി കാണപ്പെടുന്നു
    • ବର୍ଷା ପରେ ବଗିଚା ସୁନ୍ଦର ଦେଖାଯାଏ |
    • बारिश के बाद बगीचा सुंदर दिखता है

相关论文

• 单语Indic SBERT论文
• 多语言Indic SBERT论文

其他相关模型

单语Indic句子BERT模型

• 马拉地语SBERT
• 印地语SBERT
• 卡纳达语SBERT
• 泰卢固语SBERT
• 马拉雅拉姆语SBERT
• 泰米尔语SBERT
• 古吉拉特语SBERT
• 奥里亚语SBERT
• 孟加拉语SBERT
• 旁遮普语SBERT
• Indic SBERT（多语言）

单语相似度模型

• 马拉地语相似度模型
• 印地语相似度模型
• 卡纳达语相似度模型
• 泰卢固语相似度模型
• 马拉雅拉姆语相似度模型
• 泰米尔语相似度模型
• 古吉拉特语相似度模型
• 奥里亚语相似度模型
• 孟加拉语相似度模型
• 旁遮普语相似度模型
• Indic相似度模型（多语言）

引用信息

@article{deode2023l3cube,
  title={L3Cube-IndicSBERT: A simple approach for learning cross-lingual sentence representations using multilingual BERT},
  author={Deode, Samruddhi and Gadre, Janhavi and Kajale, Aditi and Joshi, Ananya and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2304.11434},
  year={2023}
}

📦 安装指南

若要使用此模型，需要安装sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基础用法（Sentence-Transformers）

当你安装了sentence-transformers后，使用该模型会变得非常简单。以下是使用示例：

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)

高级用法（HuggingFace Transformers）

若未安装sentence-transformers，可以按以下方式使用该模型：首先将输入传递给transformer模型，然后对上下文词嵌入应用正确的池化操作。

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)

📄 许可证

本模型采用CC BY 4.0许可证。