Hindi Sentence Similarity Sbert

🚀 HindSBERT-STS

HindSBERT-STS 是一个在 STS 数据集上微调的 HindSBERT 模型（ l3cube-pune/hindi-sentence-bert-nli ）。它作为 MahaNLP 项目的一部分发布，项目地址：https://github.com/l3cube-pune/MarathiNLP 。支持主要印度语言和跨语言句子相似度的该模型多语言版本可在此处获取 indic-sentence-similarity-sbert 。此模型可将句子和段落映射到 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

安装依赖

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）

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)

📚 详细文档

模型相关链接

• 此模型基于的原始模型： l3cube-pune/hindi-sentence-bert-nli
• 项目 MahaNLP 地址：https://github.com/l3cube-pune/MarathiNLP
• 多语言版本模型： indic-sentence-similarity-sbert

相关论文

更多关于数据集、模型和基线结果的详细信息可在我们的 论文 中找到。

@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}
}

• 单语印度语 SBERT 论文
• 多语言印度语 SBERT 论文

其他相关模型

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
• 印度语相似度模型（多语言）

单语印度语句子 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
• 印度语 SBERT（多语言）

📄 许可证

本模型采用 CC BY 4.0 许可证。

🔍 模型示例

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"