Marathi Sentence Bert Nli

🚀 MahaSBERT

MahaSBERT 是一个基于 MahaBERT 模型（l3cube - pune/marathi - bert - v2）在 NLI 数据集上训练得到的模型。它是 MahaNLP 项目的一部分，项目链接：https://github.com/l3cube - pune/MarathiNLP 。此外，还有一个支持主要印度语言和跨语言能力的多语言版本模型，可查看： indic - sentence - bert - nli 。同时，一个效果更好的句子相似度模型（此模型的微调版本）可在以下链接查看：https://huggingface.co/l3cube - pune/marathi - sentence - similarity - sbert 。

🚀 快速开始

本模型可用于将句子和段落映射到 768 维的密集向量空间，适用于聚类或语义搜索等任务。

✨ 主要特性

• 基于 MahaBERT 模型在 NLI 数据集上训练，具有良好的句子相似度计算能力。
• 有单语言和多语言版本可供选择。

📦 安装指南

若要使用此模型，需安装 sentence - transformers：

pip install -U sentence-transformers

💻 使用示例

基础用法（Sentence - Transformers）

安装好 sentence - transformers 后，可按以下方式使用模型：

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，可按以下方式使用模型：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('{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, cls pooling.
sentence_embeddings = cls_pooling(model_output, encoded_input['attention_mask'])

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

📚 详细文档

更多关于数据集、模型和基线结果的详细信息可查看我们的 论文 ：

@article{joshi2022l3cubemahasbert,
  title={L3Cube - MahaSBERT and HindSBERT: Sentence BERT Models and Benchmarking BERT Sentence Representations for Hindi and Marathi},
  author={Joshi, Ananya and Kajale, Aditi and Gadre, Janhavi and Deode, Samruddhi and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2211.11187},
  year={2022}
}

相关论文链接：

• 单语言印度 SBERT 论文
• 多语言印度 SBERT 论文

🔗 其他相关模型

单语言印度句子 BERT 模型

• Marathi SBERT
• Hindi SBERT
• Kannada SBERT
• Telugu SBERT
• Malayalam SBERT
• Tamil SBERT
• Gujarati SBERT
• Oriya SBERT
• Bengali SBERT
• Punjabi SBERT
• Indic SBERT (multilingual)

单语言相似度模型

• Marathi Similarity
• Hindi Similarity
• Kannada Similarity
• Telugu Similarity
• Malayalam Similarity
• Tamil Similarity
• Gujarati Similarity
• Oriya Similarity
• Bengali Similarity
• Punjabi Similarity
• Indic Similarity (multilingual)

📄 许可证

本模型使用的许可证为 cc - by - 4.0。

🔍 示例展示

以下是一些使用示例：

示例 1

• 源句子："शेतकऱ्यांचे डोळे आकाशाकडे लागले आहेत"
• 对比句子：
  • "आता शेतकऱ्यांचे डोळे आभाळाकडे लागले आहेत"
  • "अन्नधान्य उत्पादनासाठी शेतकरी कष्ट करतात"
  • "शहरात कचऱ्याचे ढीग दिसतात"

示例 2

• 源句子："घटनेची माहिती मिळताच पोलिसांचा ताफा तेथे पोहोचला"
• 对比句子：
  • "पोलिसांना घटनेची माहिती मिळताच त्यांचे पथक घटनास्थळी पोहोचले"
  • "तेव्हा पोलिसांनी त्यांच्या तक्रारीची दखल घेतली नाही"
  • "दिवसाचा उत्तरार्ध कुटुंबासोबत मौजमजेत घालवाल"

示例 3

• 源句子："पहिल्या पाच किलोमीटर अंतरासाठी पाच रुपये दर आकारण्यात येत आहे"
• 对比句子：
  • "पाच रुपयांत पाच किमी प्रवास करा"
  • "दोन ठिकाणांमधले मोठे अंतर प्रवास करणे कंटाळवाणे आहे"
  • "नुकत्याच झालेल्या पावसामुळे हिरवळ दिसत आहे"