Sbert Chinese Qmc Finance V1

🚀 DMetaSoul/sbert-chinese-qmc-finance-v1

此模型聚焦于金融领域的问题匹配场景，基于 bert-base-chinese 版本的 BERT 模型，在大规模银行问题匹配数据集（BQCorpus）上进行训练调优，能有效处理金融相关问题的匹配。例如：

• 8千日利息400元? VS 10000元日利息多少钱
• 提前还款是按全额计息 VS 还款扣款不成功怎么还款？
• 为什么我借钱交易失败 VS 刚申请的借款为什么会失败

注：此模型的轻量化版本，也已经开源啦！

🚀 快速开始

模型信息

安装指南

使用 sentence-transformers 框架

通过 sentence-transformers 框架来使用该模型，首先进行安装：

pip install -U sentence-transformers

使用示例

使用 sentence-transformers 框架

# 通过 sentence-transformers 框架载入模型并进行文本表征向量的提取
from sentence_transformers import SentenceTransformer
sentences = ["到期不能按时还款怎么办", "剩余欠款还有多少？"]

model = SentenceTransformer('DMetaSoul/sbert-chinese-qmc-finance-v1')
embeddings = model.encode(sentences)
print(embeddings)

使用 HuggingFace Transformers

# 如果不想使用 sentence-transformers，可通过 HuggingFace Transformers 载入模型并进行文本向量抽取
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 = ["到期不能按时还款怎么办", "剩余欠款还有多少？"]

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('DMetaSoul/sbert-chinese-qmc-finance-v1')
model = AutoModel.from_pretrained('DMetaSoul/sbert-chinese-qmc-finance-v1')

# 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

评测结果

该模型在公开的几个语义匹配数据集上进行了评测，计算了向量相似度跟真实标签之间的相关性系数：

引用与作者

E-mail: xiaowenbin@dmetasoul.com