Semantic Xlmr Bn

🚀 s-xlmr-bn

s-xlmr-bn 是一个 sentence-transformers 模型，它可以将句子和段落映射到一个 768 维的密集向量空间，可用于 聚类 或 语义搜索 等任务。

🚀 快速开始

使用 Sentence-Transformers

如果你已经安装了 sentence-transformers，使用这个模型会很简单：

pip install -U sentence-transformers

然后你可以像这样使用该模型：

from sentence_transformers import SentenceTransformer
sentences = ["I sing in bengali", "আমি বাংলায় গান গাই"]

model = SentenceTransformer('afschowdhury/s-xlmr-bn')
embeddings = model.encode(sentences)
print(embeddings)

使用 HuggingFace Transformers

如果没有安装 sentence-transformers，你可以这样使用该模型：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 = ["I sing in bengali", "আমি বাংলায় গান গাই"]

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('afschowdhury/s-xlmr-bn')
model = AutoModel.from_pretrained('afschowdhury/s-xlmr-bn')

# 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)

✨ 主要特性

• 能够将句子和段落映射到 768 维的密集向量空间。
• 可用于聚类、语义搜索、文档检索、信息检索、推荐系统、聊天机器人系统和 FAQ 系统等多种任务。

📦 安装指南

使用 Sentence-Transformers 时，可通过以下命令安装：

pip install -U sentence-transformers

📚 详细文档

模型详情

训练

该模型使用 多语言知识蒸馏 方法进行微调。我们使用 paraphrase-distilroberta-base-v2 作为教师模型，xlm-roberta-large 作为学生模型。

预期用途

• 主要用例：语义相似度、聚类和语义搜索。
• 潜在用例：文档检索、信息检索、推荐系统、聊天机器人系统、FAQ 系统。

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
  (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})
)

联系方式

Asif Faisal Chowdhury
邮箱：afschowdhury@gmail.com | 领英：afschowdhury