Hindi Sentence Bert Nli

🚀 HindSBERT

HindSBERT是一个在NLI数据集上训练的HindBERT模型（l3cube - pune/hindi - bert - v2）。它是MahaNLP项目的一部分，项目链接：https://github.com/l3cube-pune/MarathiNLP 。该模型的多语言版本支持主要的印度语言和跨语言能力，可在此处查看 indic - sentence - bert - nli 。

一个更好的句子相似度模型（此模型的微调版本）可在此处查看：https://huggingface.co/l3cube-pune/hindi-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

使用示例

示例1

• 源句子："एक आदमी एक रस्सी पर चढ़ रहा है"
• 对比句子：
  • "एक आदमी एक रस्सी पर चढ़ता है"
  • "एक आदमी एक दीवार पर चढ़ रहा है"
  • "एक आदमी बांसुरी बजाता है"

示例2

• 源句子："कुछ लोग गा रहे हैं"
• 对比句子：
  • "लोगों का एक समूह गाता है"
  • "बिल्ली दूध पी रही है"
  • "दो आदमी लड़ रहे हैं"

示例3

• 源句子："फेडरर ने 7वां विंबलडन खिताब जीत लिया है"
• 对比句子：
  • "फेडरर अपने करियर में कुल 20 ग्रैंडस्लैम खिताब जीत चुके है "
  • "फेडरर ने सितंबर में अपने निवृत्ति की घोषणा की"
  • "एक आदमी कुछ खाना पकाने का तेल एक बर्तन में डालता है"

📦 安装指南

如果你安装了 sentence - transformers ，使用此模型会很容易：

pip install -U sentence-transformers

💻 使用示例

基础用法（Sentence - Transformers）

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)

基础用法（HuggingFace Transformers）

如果没有安装 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


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

相关论文

• 单语言印度SBERT论文
• 多语言印度SBERT论文

其他单语言印度句子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
• 印度SBERT（多语言）

其他单语言相似度模型

• 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
• 印度相似度模型（多语言）

📄 许可证

本模型使用的许可证为CC - BY - 4.0。

BibTeX引用

@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}
}