🚀 stsb-xlm-r-multilingual-ro

这是一个sentence-transformers模型，它能将句子和段落映射到一个768维的密集向量空间，可用于聚类或语义搜索等任务。该模型是stsb-xlm-r-multilingual针对罗马尼亚语的微调版本。

🚀 快速开始

✨ 主要特性

• 能够将句子和段落映射到768维的密集向量空间。
• 适用于聚类、语义搜索等自然语言处理任务。
• 基于stsb-xlm-r-multilingual模型针对罗马尼亚语进行了微调。

📦 安装指南

若要使用此模型，需先安装sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基础用法

使用sentence-transformers库时，使用该模型非常简单：

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

model = SentenceTransformer('BlackKakapo/stsb-xlm-r-multilingual-ro')
embeddings = model.encode(sentences)
print(embeddings)

高级用法

若未安装sentence-transformers，可以按以下方式使用该模型：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('BlackKakapo/stsb-xlm-r-multilingual-ro')
model = AutoModel.from_pretrained('BlackKakapo/stsb-xlm-r-multilingual-ro')

🔧 技术细节

训练

• 数据集：STS-ro，文本数据集为罗马尼亚语（ro）。分数范围是0到5，因此将分数除以5，因为EmbeddingSimilarityEvaluator（微调评估器）所需的分数范围是0到1。数据集结构如下：

{
'score': 1.5,
 'sentence1': 'Un bărbat cântă la harpă.',
 'sentence2': 'Un bărbat cântă la claviatură.',
}

• 数据加载器：torch.utils.data.dataloader.DataLoader，长度为223，参数如下：

{'batch_size': 32, '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": 10,
    "evaluation_steps": 0,
    "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 100,
    "weight_decay": 0.01
}

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

📄 许可证

文档中未提及许可证相关信息。

🔍 引用与作者

BlackKakapo