Vietnamese Address Embedding

🚀 CaoHaiNam/越南语地址嵌入

这是一个 句子转换器 模型：它能将句子和段落映射到一个 768 维的密集向量空间，可用于地址标准化。

🚀 快速开始

关于该模型的工作原理详情可查看：https://github.com/CaoHaiNam/Vietnamese-Address-Standardization

✨ 主要特性

• 可将句子和段落映射到 768 维的密集向量空间。
• 适用于地址标准化任务。

📦 安装指南

文档中未提及安装步骤，故跳过此章节。

💻 使用示例

基础用法

文档中未提供代码示例，故跳过此章节。

🔧 技术细节

训练

该模型使用以下参数进行训练：

数据加载器： 长度为 8626 的 torch.utils.data.dataloader.DataLoader，参数如下：

{'batch_size': 4, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

损失函数： sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss，参数如下：

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

fit() 方法的参数：

{
    "epochs": 10,
    "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": null,
    "warmup_steps": 100,
    "weight_decay": 0.01
}

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 64, 'do_lower_case': False}) with Transformer model: BertModel 
  (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信息，故跳过此章节。

📚 详细文档

文档中未提供详细说明，故跳过此章节。

📦 信息表格