Parameter Mini Lds

🚀 parameter-mini-lds

parameter-mini-lds是一个用于识别专利中参数句子的模型，它基于all-MiniLM-L6-v2构建。该模型能将句子和段落映射到384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

若你已安装 sentence-transformers，使用此模型将十分便捷：

pip install -U sentence-transformers

之后，你可以按如下方式使用该模型：

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('nategro/parameter-mini-lds')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主要特性

• 基于all-MiniLM-L6-v2，可有效识别专利中的参数句子。
• 能够将句子和段落映射到384维的密集向量空间，适用于聚类、语义搜索等任务。

📦 安装指南

使用此模型前，需安装 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基础用法

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('nategro/parameter-mini-lds')
embeddings = model.encode(sentences)
print(embeddings)

高级用法

暂未提供高级用法示例，可根据具体需求对模型进行进一步的定制和扩展。

📚 详细文档

评估结果

如需对该模型进行自动评估，请参考 Sentence Embeddings Benchmark：https://seb.sbert.net

训练

该模型使用以下参数进行训练：

数据加载器： torch.utils.data.dataloader.DataLoader，长度为1128，参数如下：

{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

损失函数： sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss

fit() 方法的参数：

{
    "epochs": 1,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": 1128,
    "warmup_steps": 113,
    "weight_decay": 0.01
}

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Normalize()
)

引用与作者

该模型使用了以下预训练模型：sentence-transformers/all-MiniLM-L6-v2