Marathi Sentence Similarity Sbert

🚀 MahaSBERT-STS

MahaSBERT-STS是一个在STS数据集上微调的MahaSBERT模型（l3cube-pune/marathi-sentence-bert-nli）。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印度语言和跨语言句子相似度计算，可在 indic-sentence-similarity-sbert 查看。

🚀 快速开始

本模型是一个 sentence-transformers 模型，它可以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。

✨ 主要特性

• 基于MahaSBERT模型在STS数据集上微调，适用于马拉地语句子相似度计算。
• 有对应的多语言版本，支持主要印度语言和跨语言句子相似度计算。

📦 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 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

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] (https://arxiv.org/abs/2211.11187) 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}
}

• 单语言印度SBERT论文
• 多语言印度SBERT论文

其他相关模型

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
• 印度语相似度模型（多语言）

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
• 印度语SBERT（多语言）

📄 许可证

本模型采用CC BY 4.0许可证。

示例展示